پرزنت متالرنینگ در تایم سری فورکاستینگ

Explainable AI Cheat Sheet

https://ex.pegg.io/

You can watch a 15 min video in the website to understand the plot.

Perfect presentation

@machinelearningnet2

وقتی میگیم معلم ...
صحبت از یک شغل نیست،
صحبت از یک اسلوب در زندگی،
نوع اندیشه در اجتماع
و یک نگرش متعالی در مسائل رو داریم.
روز اساتید و معلمین مبارک

@machinelearningnet2
🌺

Asset Management: Tools and Issues (World Scientific, 2020) provides a gentle introduction to the world of quantitative asset management: https://lnkd.in/esfNmWG

More publications on the topic can be found here (many of them for free): https://QuantResearch.org


@machinelearningnet2

مرسی از مهندس زنگنه و دوستان بابت شرکت در لایو گروه،
ما در تلاش هستیم چند تا مصاحبه دیگه در حوزه راه اندازی استارت آپ های مالی با مدیران موفق این حوزه داشته باشیم،

، فیلم های این لایو هارو در اینستاگرام میتونید ملاحظه کنید

Https://Instagram.com/sasanbarak

لینک لایو:
https://www.instagram.com/tv/COkpse0lZQB/?igshid=kyau19jfgnxe


@machinelearningnet2

https://www.frbsf.org/economic-research/indicators-data/daily-news-sentiment-index/

لینک بالا یک پلت فرم هست که فدرال رزرو برای بررسی سنتیمنت اخبار راه انداخته، جالب بود

بصورت یک ایندکس کار میکنه و میتونید در تحقیقات خودتون ازش استفاده کنید

@machinelearningnet2

سلام دوستان،

من یه قول کتاب max Kuhn رو براتون داده بودم، اینجا اپلود میکنم الان، ایشون maintainer پکیج caret هستن، پکیج بسیار کاملی در زمینه کلاسترینگ و کلاسیفیکیشن و مدل سلکشن هست. اصولا جزئیات و خبره شدن مقدار زیادی اش از کار کردن با دیتاست های مختلف و پیاده سازی الگوریتم ها و مدلهای پیش پردازش و فیچر سلکشن و ...بدست میاد، اما برای اینکه اگاهانه با مشکلات برخورد کنید یا باید یک استاد راهنما قوی داشته باشین، یا علم داده کاوی تون رو بالا ببرید. اصولا دو تا کتابی که میتونن کمک کنن، کتاب پرفسور max Kuhn و نیز کتاب element of statistical learning واسه ی پرفسور tibshriani هست. برای کد هم data camp خیلی کمک خواهد کرد، بازم البته بستگی به فیلد کاریتون قضیه فرق میکنه، اگه درگیر تایم سری یا دیپ لرنینگ باشین ، پیشنهادا متفاوت خواهد بود.

@machinelearningnet2

ketabe max kuhn

یکی از مطالبی که دیروز در زمینه تحلیل بازار مالی بحث شد ، استفاده از فیچرهای بود که لگ نداشته باشن،
اینجا 👇👇یک کیس عملی رو برای استفاده از داده های خرید و فروش حقوقی ها و قیمت ارز بررسی شده. این تحلیل بلومبرگ و آدام باتن هست

https://www.forexlive.com/education/!/context-is-everything-when-it-comes-to-cftc-positioning-20180511

سایت forexlive سایت خوبی برای استفاده از تحلیل هاش هست ، گاها تحلیلهای خوبی ارائه میکنن

@machinelearningnet2

دوستان اصولا سوالات زیادی در مورد دیتاهای مالی میپرسن، یکی از جاها استفاده از دیتاهای بانک جهانی هست،

اینجا ۵ دلیل برای اینکار ارائه شده

https://medium.com/world-of-opportunity/5-reasons-to-check-out-the-world-bank-new-data-catalog-e342f3889cc2

The World Bank’s new data catalog provides access to over 3,000 datasets and 14,000 indicators and includes microdata, time series statistics, and geospatial data.


🤓یک سایت لهستانی هم هست که داده های بسیار قدیمی را هم بخواین براتون میده، فقط باید برین قسمت quotes , و از اونجا نوع داده مثل currency , commodity , stock ,... رو انتخاب کنید و بعد می تونید historical data رو در هر بازه ای و هر زمانی خواستین بهش بدین و بصورت فایل اکسل دانلود کنید
https://stooq.com/


گوگل هم یک پایگاه داده براه انداخته که مثل گوگل اسکولار شما می تونید دیتا ست اونجا سرچ کنید. این کار بسیار برای دوستان داخل ایران که شاید دسترسی ساده ای به دیتا نداشته باشن مفید هست
https://www.blog.google/products/search/making-it-easier-discover-datasets/

Also look at here : https://www.kdnuggets.com/2021/05/awesome-list-datasets.html
@machinelearningnet2

Call for paper

Scalable End-to-End Customer Churn Prediction Solution with Amazon Web Services (AWS) @machinelearningnet2

این اسلایدهای مارکوس دپرادو خیلی شاهکار بود. تقریبا کل مدلهای ML رو مرور کرده و بیان کرده چطور در فاینانس میشه استفاده کرد. 🌺

حتما بررسس کنید و از دوستان ارائه دهنده کتاب میتونید سوال هاتون رو بپرسید،
@machinelearningnet2

https://aparat.com/v/NCqEz

فیلم فصل ۹ کتاب advances in financial machine learning

این فیلم علاوه بر مطالب کتاب در مورد hyperparameter tuning ، کلی روش های جدید ارائه میده که حتما بدردتان میخوره،

@machinelearningnet2

پیاده سازی اصولی کار روی پایتون هم نکته جالب این ارائه هست

https://www.chicagobooth.edu/research/kilts/datasets/dominicks

This is👆 a perfect time series data for retail forecasting tasks. You can find the detailed information in the chicagobooth website.

@machinelearningnet2

R implementation here👇


https://zenodo.org/record/4654802#.YLcFh6hKg2w

سلام دوستان.

دکتر بهمن رستمی تبار از بیزینس اسکول کاردیف
https://www.cardiff.ac.uk/people/view/598316-rostami-tabar-bahman

یه تعداد پروژه برای همکاری با دانشجوها ارائه کردن که من در اینجا مطرح کنم.

هدف از این پروژه ها همکاری با دوستان و چاپ چندین مقاله در مجلات معتبر دنیا با راهنمایی ایشون و من خواهد بود.

لیست کارهای قبلی ما رو هم در لینک زیر می تونید مشاهده کنید

Sasan Barak : https://scholar.google.com/citations?user=C53gU8gAAAAJ&hl=en

Bahman Rostami tabar:
https://scholar.google.co.uk/citations?user=PeVrdqUAAAAJ&hl=en

دانشجوهای علاقمند میتونن رزومه شون رو به ما بفرستن ( ترجیحا برای من رزومه رو فقط با تلگرام بفرستید )،

جزئیات هر پروژه بصورت زیر هست :

پروژه اول :

Potential title: Overlapping temporal aggregation
The aim of this project is to develop an innovative methodologies to improve forecast accuracy that uses a data transformation approach called overlapping temporal aggregation. The study will first use empirical data with different time granularity , i.e. hourly, daily and monthly and quarterly to show the performance of the approach. Following that, we aim at using extreme value theory to demonstrate the theoretical foundation of the approach.
*Data and R code to run the empirical evaluation will be provided by Bahman Rostami-Tabar.

*Target Journal: MSOM /EJOR

*Email: [email protected], [email protected]
*Time required to get the first draft of the paper: 200-350 hours
 
پروژه دوم :
 
Potential title: Machine learning in forecasting demand of healthcare services
This project aims at evaluating the effectiveness of machine learning approaches in forecasting demand of various services in the healthcare such as : Emergency services, Ambulance service, blood supply chain service and cosmetic surgery service.
The forecasting will be performed at daily, weekly and monthly levels. This is going to be an empirical study.
 
*Data for all services will be provided by Bahman Rostami-Tabar
* These datasets are valuable and there would be potentially more projects coming up using them, if interested.

*Target journal: Journal of Service Research, Computer & OR
*Email: [email protected], [email protected]
*Time required to get the first draft of the paper: 150-200 hours
 
پروژه سوم:

Potential title:  Forecastability in time series forecasting
 
In this project we are looking for universal rules to determine forecastability. The study aims at demonstrating the forecastability of different phenomenon and establish rules when forecasting is possible, determine links between forecast accuracy and forecastability and when we should not bother with forecasting. We aim at evaluating time series from various domains such as disasters (e.g. natural, technological and complex), finance, economy, health, retail industry, etc. We look at a range of type of distributions illustrated in the figure below and link them to accuracy.

Target journal: Int Journal of Forecasting
*Email: [email protected], [email protected]

*Time required to get the first draft of the paper: 150-200 hours

Machine Learning in Asset Management—Part 1: Portfolio Construction—Trading Strategies. The Journal of Financial Data Science, Winter 2020, 2 (1) 10-23


@machinelearningnet2

https://github.com/firmai/financial-machine-learning

یکی از بهترین repository های موجود در حوزه ML در فاینانس که شامل کلی پروژه های معتبر در این حوزه هست،

#Financial Machine Learning and Data Science

@machinelearningnet2

🌺🌺🌺

پرزنت های چند هفته اخیر رو در آپارات اپلود کردیم،
واقعا بعضی از پرزنت ها در حد یک کلاس فوق العاده تحلیل داده هستن.

میتونم بگم بدون اغراق بهترین دوره ای که برای ماشین لرنینگ در فاینانس در ایران ارائه شده، همین ۱۹ تا پرزنت ما هستن، دنبال هیچ دوره پولی اینا هم نرید🌺☺️

قسمت ۱-۸ در آپارات هست.

فصل ۹ . parameter tuning

https://www.aparat.com/v/NCqEz

فصل ۱۰ و ۱۱ . Backtest و مشکلاتش

https://www.aparat.com/v/wEykr

فصل ۱۲. مدلهای backtesting به کمک CV

https://www.aparat.com/v/aG1zf

فصل ۱۳. Backtesting on synthetic data

https://www.aparat.com/v/cRS8N

فصل ۱۴ . Backtest statistics

https://www.aparat.com/v/pMy6J

فصل ۱۵. Strategy risk

https://www.aparat.com/v/8egLh

فصل ۱۶ تا ۱۹ هم در دو هفته آینده ارائه و این کتاب هم تموم میکنیم.

@machinelearningnet2

با تشکر 🌹