سلام به همگی

#معرفی_کتاب

کتاب A Course in Python
نوشته Rozbeh Hazrat
که به تازگی در دانشگاه Western Sydney University
چاپ شده است.

کتاب به زبان ساده و روان نوشته شده و برای دوستانی که به مسائل پایه ریاضی و دیتا ساینس علاقه دارند، خیلی جذاب و کاربردیه

در این کتاب یاد می گیریم که چطوری ‌کدهای تمیز و بهینه بنویسیم.

امیدوارم براتون مفید باشه
اگه سوالی داشتید میتونید ازم بپرسید

و در آخر اگه براتون مفید بود به دوستانتون هم معرفی کنید

#Python #math #DataScience #economics #data

💚💚

@ecohadi

@ecohadico

🔆 رگرسیون خطی ساده در پایتون

راهنمای گام به گام رگرسیون خطی ساده در python با حل یک مثال

فهرست مطالب:

گام اول: نصب و فراخوانی کتابخانه ها
گام دوم: وارد کردن داده ها به محیط پایتون
گام سوم: بررسی فروض اساسی در رگرسیون خطی
گام چهارم: رگرسیون خطی ساده در پایتون
گام پنجم: بررسی باقیمانده های مدل رگرسیون خطی
گام ششم: مصور سازی نتایج رگرسیون

♦️مقاله کامل را از لینک زیر بخوانید

https://ecohadi.com/%d8%b1%da%af%d8%b1%d8%b3%db%8c%d9%88%d9%86-%d8%ae%d8%b7%db%8c-%d8%af%d8%b1-%d9%be%d8%a7%db%8c%d8%aa%d9%88%d9%86/

🆘 اگر این مقاله برای شما مفید بود، با دوستانتون به اشتراک بگذارید.

#econometrics #python
@ecohadico

🔆 Steps to Create Data Visualizations Using Python:

1. Install Necessary Libraries: Ensure you have the required libraries installed. You can install them using pip:
"pip install matplotlib seaborn"

2. Import Libraries: Import the libraries you will use in your script:
"import matplotlib.pyplot as plt
import seaborn as sns"

3. Load Your Data: Load your dataset into a pandas DataFrame. For demonstration, we will use a sample dataset provided by Seaborn:
"import pandas as pd
data = sns.load_dataset("penguins")"

4. Create the Plot: Use the Seaborn library to create a simple scatter plot:
"sns.scatterplot(data=data, x="bill_length_mm", y="bill_depth_mm", hue="species")
plt.title("Penguin Bill Dimensions by Species")
plt.show()"

5. Customize the Plot: Customize the plot by adding titles, labels, and adjusting the style to improve readability and presentation:
"plt.xlabel("Bill Length (mm)")
plt.ylabel("Bill Depth (mm)")
plt.grid(True)
plt.show()"

Why Use Python for Data Visualization?

📊 Powerful Libraries: Python offers versatile libraries such as:
1. Matplotlib: For basic plotting.
2. Seaborn: For statistical visualizations.
3. Plotly: For interactive visualizations.

#python #پایتون

https://t.iss.one/ecohadico

🏷 جزوه کوتاه و مقدماتی، تمیز کردن داده ها در پایتون با استفاده از کتابخانه Panda 🐼

#Python #pandas #پایتون

Introduction to Python for
Econometrics, Statistics and Data Analysis

4th Edition
Kevin Sheppard
University of Oxford
Thursday 31st December, 2020

کتاب مقدماتی پایتون برای اقتصادسنجی و تحلیل آماری
که خیلی ساده و روان نوشته شده و با حداقل دانش زبان انگلیسی می تونید یادگیری رو به صورت خودآموز شروع کنید.

#پایتون #اقتصادسنجی #python #آموزش

🔸 @ecohadico

#معرفی_کتاب

اگه میخوای R و Python رو با هم یاد بگیری و یه مقایسه ای هم داشته باشی این کتاب آنلاین به خوبی این دو ابزار رو برای تحلیل داده آموزش داده.

برای من جالب بود دیدن همزمان این دو برنامه اونم به صورت آنلاین، اینکه بدونیم فرق شون چیه و با کدوم بیشتر حال می کنیم خودش امکان جالبیه!

https://randpythonbook.netlify.app/

#پایتون #آر #python #R



🌐 @ecohadico

🔆 ماشین لرنینگ (Machine Learning) چیست؟

ماشین لرنینگ شاخه‌ای از هوش مصنوعی است که به کامپیوتر کمک می‌کند از داده‌ها الگو یاد بگیرد و بدون برنامه‌نویسی صریح برای هر مسئله، پیش‌بینی یا تصمیم‌گیری انجام دهد.

🔹 چه زمانی از ماشین لرنینگ استفاده می‌کنیم؟

وقتی حجم داده‌ها زیاد باشد یا روابط بین متغیرها پیچیده و غیرخطی باشند. برخی کاربردها:

🔘 پیش‌بینی نرخ تورم، رشد اقتصادی و نرخ ارز

🔘 تحلیل بازارهای مالی و قیمت سهام

🔘 اعتبارسنجی مشتریان بانکی

🔘 تحلیل اخبار و شبکه‌های اجتماعی

🔘 پیش‌بینی رفتار مصرف‌کنندگان

🔹 بهترین زبان برای یادگیری ماشین لرنینگ چیست؟

بدون تردید Python محبوب‌ترین و پرکاربردترین زبان در این حوزه است. دلیل آن وجود کتابخانه‌های قدرتمندی مانند:

Scikit-Learn
XGBoost
TensorFlow
PyTorch

است که یادگیری و پیاده‌سازی مدل‌های مختلف را بسیار ساده می‌کنند.

💡 برای دانشجویان اقتصاد، یادگیری Python در کنار اقتصادسنجی و آمار می‌تواند فرصت‌های پژوهشی و شغلی بسیار ارزشمندی ایجاد کند.

🔗 دو منبع رایگان و بسیار جذاب برای دانشجویان عزیز:

1️⃣ Coding for Economist (Arthur Turrell)

بخشی از این کتاب مربوط به ماشین لرنینگ است، توصیه می شود که همه کتاب را بخوانید. (نویسنده اش یک فیزیکدان است!)

2️⃣ Machine Learning for Economic Analysis (Matteo Courthoud)

این منبع بسیار جالبیه همراه با کدهای تخصصی و همچنین توضیحات مربوط به مدل ها، کاملا گام به گام پیش میره و از قسمت های ساده تا پیشرفته را در نظر می گیره)

اگه حس می کنید براتون مفیده برای بقیه دوستانتون هم ارسال کنید❤️

#اقتصاد #اقتصادسنجی #MachineLearning #Python #هوش_مصنوعی

🌐 https://t.iss.one/ecohadico

🔆 امروز اومدم جلسه دوم پایتون برای اقتصاد رو ضبط کنم، وقتی رسیدم به کرولیشن متغیرها (اگر ویدئو رو دیده باشید در ابتدای کار با سه متغیر cpi, oil_price and exchange_rate کار کردیم) دیدم متغیر نرخ ارز با تورم همبستگی بسیار بالایی رو نشون میده ولی متغیر قیمت نفت برنت همبستگی بسیار پایینی رو با تورم نشون میده. برای اینکه بتونم چالش هایی که یک محقق با داده ها و مدل حین انجام کار مواجه میشه رو نشون بدم، تصمیم گرفتم از این فرآیند هم محتوای ویدئویی براتون ضبط کنم و بگم که چطوری باید مساله رو حل کنید.

سعی می کنم این ویدئو را تا اخر امروز ضبط کنم و در کانال قرار بدم.

ممنون از همراهی شما عزیزان❤️

#پایتون #پایتون_اقتصاد #python

🌐 https://t.iss.one/ecohadico