بتازگی ها بحث ترید اپشن در کریپتو فاند طرفدارهای خودش رو پیدا کرده و پول‌های خوبی رو اختصاص دادن.
شاید بعضی از استراتژی های قوی بازار سرمایه ایران هم بتونه اونجا پیاده بشه، البته مثل بازار خودمون، فعلا عمق بازار در اندازه های بازارهای اسپات اصلا نیست،
اصولا دیتاهای این بازار در دسترس گروهای زیادی نیستن اما بخاطر حضورم در دانشگاه میشه دیتارو فراهم کرد و مدلهای اتوماتیک زیادی هم این حوزه نداره ،
مثلا هج فاند ۱۰۰ میلیون دلاری بصورت دستی با نظر سه تریدر اپشن مدیریت میشد و در حد مدل sl و tp آداپتور هم وجود نداشت.
در کل یه فضای خوبی برای کسایی که حرفه ای این حوزه کار میکنن ، میتونن وارد بحث های جهانی کریپتو بشن
@machinelearningnet
شاید بعضی از استراتژی های قوی بازار سرمایه ایران هم بتونه اونجا پیاده بشه، البته مثل بازار خودمون، فعلا عمق بازار در اندازه های بازارهای اسپات اصلا نیست،
اصولا دیتاهای این بازار در دسترس گروهای زیادی نیستن اما بخاطر حضورم در دانشگاه میشه دیتارو فراهم کرد و مدلهای اتوماتیک زیادی هم این حوزه نداره ،
مثلا هج فاند ۱۰۰ میلیون دلاری بصورت دستی با نظر سه تریدر اپشن مدیریت میشد و در حد مدل sl و tp آداپتور هم وجود نداشت.
در کل یه فضای خوبی برای کسایی که حرفه ای این حوزه کار میکنن ، میتونن وارد بحث های جهانی کریپتو بشن
@machinelearningnet
❤5👍4
اگه شرایط سیاسی اجازه بده ادامه داستان😉
اصولا بچه های کوانت ریسرچ از دیتا ساینس و کامپیوتر ساینس میان، مشکلی هم که میخورن اینکه فکر میکنن چون اونجا یه مدل هرچقدر هم پیچیده رو میزنن و جواب میگیرن، اینجا هم همینه، و سر ۳-۴ ماه قراره کار رو جمع کنن و بعدش که نمیشه دچار افت روحیه و سوخت میشن،
*(آخرین مدلی که دولوپ کردیم یکسال از ریسرچ تا لایو روش وقت گذاشتیم! اونم روی چیزی که میدونستم جواب میده و هنوز هم جای برای بهبود داره).
نکته اول:
من ندیدم استراتژی فول با ml کار کنه. لایه های مختلفی از کار باید درگیر استراتژی بشه تا کار کنه. یکی اش میتونه ml باشه (که با فیچرهای خوبی بصورت adaptive ترین بشه )، دومی مدل ریسک منیجمنت که احتمالا مدل کوانت هست ، سومی مدل رژیم دیتکتور بازار که سویچینگ بازار رو بهت الارم بده، چهارمی انتخاب کوین ، بعدی نحوه bet size ، همچنین سیستم درست بکتست، لایو و داستان هاش و.... اینا همه باهم روی یک استراتژی درست باید ست بشه تا بتونی جواب بگیری. اینجوری نیست یه مدل ترین کنی و نتایج بدی بیرون
نکته دوم: هر کدوم از این لایه ها باید بدونی چطوری کار میکنن، اگه خوب کار میکنن چرا خوب کار میکنن، اگه بده چرا بده، ما خم رنگرزی نداریم اینجا، حتی اگه چیزی خیلی خوب کار کرد باید شک کرد، این یه مشکل دیگه از بچه های دیتا ساینس هست. بلد نیستن troubleshooting کنن و بیشتر اگه این کار نکرد سریع میخوان اسب رو عوض کنن بپرن روی یه مدل دیگه،
نکته ۳. شما تقریبا چیزی رو از بیس درست نمیکنی. باید فقط بتونی چیزهایی که دولوپ شده رو بتونی خوب بزاری کنار هم که کار کنه، یعنی اونی که از RL استفاده میکنه نمیاد که RL رو ابداع کنه، ازش استفاده میکنه اما باید بدونه چطوری ازش توی ترید استفاده کنه
نکته ۴. بکتست اصولا معیاری برای اینکه مدل اگه کار نمیکنه بهمون بگه، نه اینکه اثبات کنه مدل داره کار میکنه
نکته ۵. از ایده های متفاوت میتونید ابزار لازم رو بخدمت بگیرین . مثلا از گیم تئوری، RL ، ML ولی تا دامین نالیج نداشته باشین، نمیشه کار رو به جای درستی برسونید، پس مهمه بازار رو بشناسید
نکته ۶. سعی کنید مقالات خوبی که تئوری دولوپ میکنن رو بخونید، کمک کننده هست. اما این حوزه میتونم ادعا کنم که ۹۸٪ مقالات بدرد نمیخورن،
نکته ۷. قرار نیست همه کار رو خودتون انجام بدین، one man company اصولا جواب نمیده، تیمی از ۴ -۵ نفر با تخصص های متفاوت خیلی منطقی تره.
نکته ۸. این صحبت ها برای کسایی هست که بیسیک مثلا adaptive training اینارو بلدن، میدونن walk forward تست چیه. اگه اونارو اوکی نیستی باید مطالعه کنی و پروژه گیت هاب بزنی.
داستان بازم اصولا باید ادامه داشته باشه 😊
پ.ن.۱. داستان بعدی درباره نتایج مدل های دیپ فاینانس خواهد بود، از لحاظ قانون انگلیس ممنوع هست که تبلیغ روی نتایج انجام بشه ، اما اینجا بحث آموزشی هست
پ.ن.۲. اونایی که دنبال همکاری هستن اصولا دنبال استارت اپ های کوچک مثل ما نباشن، کوچک بودن خوبیش اینکه اگه چیزی دولوپ کردی که جواب میده میتونی جوین بشی و اسکیل اپ کنی ، این جوری باشه میتونیم بحث کنیم👌
پ.ن.۳. ما چرا داریم آب میریم؟ 😏
پ.ن.اخری. فکر کنم اندازه چند ماه غیبتی که داشتم و نبودم رو پست گذاشتم! دینم به جامعه‌ی خوب دانشجویی ایرانی paid :)
@machinelearningnet
اصولا بچه های کوانت ریسرچ از دیتا ساینس و کامپیوتر ساینس میان، مشکلی هم که میخورن اینکه فکر میکنن چون اونجا یه مدل هرچقدر هم پیچیده رو میزنن و جواب میگیرن، اینجا هم همینه، و سر ۳-۴ ماه قراره کار رو جمع کنن و بعدش که نمیشه دچار افت روحیه و سوخت میشن،
*(آخرین مدلی که دولوپ کردیم یکسال از ریسرچ تا لایو روش وقت گذاشتیم! اونم روی چیزی که میدونستم جواب میده و هنوز هم جای برای بهبود داره).
نکته اول:
من ندیدم استراتژی فول با ml کار کنه. لایه های مختلفی از کار باید درگیر استراتژی بشه تا کار کنه. یکی اش میتونه ml باشه (که با فیچرهای خوبی بصورت adaptive ترین بشه )، دومی مدل ریسک منیجمنت که احتمالا مدل کوانت هست ، سومی مدل رژیم دیتکتور بازار که سویچینگ بازار رو بهت الارم بده، چهارمی انتخاب کوین ، بعدی نحوه bet size ، همچنین سیستم درست بکتست، لایو و داستان هاش و.... اینا همه باهم روی یک استراتژی درست باید ست بشه تا بتونی جواب بگیری. اینجوری نیست یه مدل ترین کنی و نتایج بدی بیرون
نکته دوم: هر کدوم از این لایه ها باید بدونی چطوری کار میکنن، اگه خوب کار میکنن چرا خوب کار میکنن، اگه بده چرا بده، ما خم رنگرزی نداریم اینجا، حتی اگه چیزی خیلی خوب کار کرد باید شک کرد، این یه مشکل دیگه از بچه های دیتا ساینس هست. بلد نیستن troubleshooting کنن و بیشتر اگه این کار نکرد سریع میخوان اسب رو عوض کنن بپرن روی یه مدل دیگه،
نکته ۳. شما تقریبا چیزی رو از بیس درست نمیکنی. باید فقط بتونی چیزهایی که دولوپ شده رو بتونی خوب بزاری کنار هم که کار کنه، یعنی اونی که از RL استفاده میکنه نمیاد که RL رو ابداع کنه، ازش استفاده میکنه اما باید بدونه چطوری ازش توی ترید استفاده کنه
نکته ۴. بکتست اصولا معیاری برای اینکه مدل اگه کار نمیکنه بهمون بگه، نه اینکه اثبات کنه مدل داره کار میکنه
نکته ۵. از ایده های متفاوت میتونید ابزار لازم رو بخدمت بگیرین . مثلا از گیم تئوری، RL ، ML ولی تا دامین نالیج نداشته باشین، نمیشه کار رو به جای درستی برسونید، پس مهمه بازار رو بشناسید
نکته ۶. سعی کنید مقالات خوبی که تئوری دولوپ میکنن رو بخونید، کمک کننده هست. اما این حوزه میتونم ادعا کنم که ۹۸٪ مقالات بدرد نمیخورن،
نکته ۷. قرار نیست همه کار رو خودتون انجام بدین، one man company اصولا جواب نمیده، تیمی از ۴ -۵ نفر با تخصص های متفاوت خیلی منطقی تره.
نکته ۸. این صحبت ها برای کسایی هست که بیسیک مثلا adaptive training اینارو بلدن، میدونن walk forward تست چیه. اگه اونارو اوکی نیستی باید مطالعه کنی و پروژه گیت هاب بزنی.
داستان بازم اصولا باید ادامه داشته باشه 😊
پ.ن.۱. داستان بعدی درباره نتایج مدل های دیپ فاینانس خواهد بود، از لحاظ قانون انگلیس ممنوع هست که تبلیغ روی نتایج انجام بشه ، اما اینجا بحث آموزشی هست
پ.ن.۲. اونایی که دنبال همکاری هستن اصولا دنبال استارت اپ های کوچک مثل ما نباشن، کوچک بودن خوبیش اینکه اگه چیزی دولوپ کردی که جواب میده میتونی جوین بشی و اسکیل اپ کنی ، این جوری باشه میتونیم بحث کنیم👌
پ.ن.۳. ما چرا داریم آب میریم؟ 😏
پ.ن.اخری. فکر کنم اندازه چند ماه غیبتی که داشتم و نبودم رو پست گذاشتم! دینم به جامعه‌ی خوب دانشجویی ایرانی paid :)
@machinelearningnet
🔥18👍5❤2
دوستان بازارهای جهانی منفجر شدن! هنوز امروز بازار آمریکا باز نشده اما بازار سهام ژاپن بیشترین افت دو روز متوالی رو در کل تاریخ تجربه کرده،
امروز فد جلسه فوری گذاشته که احتمالا ریت رو ۰.۵ واحد پایین بیارن،
ساعتی پیش بازار سهام ژاپن به دلیل کاهش شدید سهام بسته شد، بیتکوین ۱۸ درصد دو روزه افت داشته، آلت کوین ها که هیچ!
نمودار بالا یکی از عجیب‌ترین ها بود، سالها نرخ سود ژاپن صفر بود و سرمایه گزارها از بانک ژاپن پول میگرفتن و در سهام آمریکایی سرمایه گذاری میکردن یا دلار استرالیا میخریدن و به اصطلاح کری تریدینگ میکردن،
یکی دو هفته پیش بانک ژاپن بدون اعلام قبلی نرخ بهره رو بیشتر کرد، الان دیگه باید به ازای پولی که ازش گرفتی باید بهره بدی و این اصلا بصرفه نیست، ۴ تریلیون دلار الان داره از سهام فروخته میشه که برگرده ژاپن، ین شدیدا تقویت شده،
جفت ارز audjpy کل سودی که یکسال اخیر داده بود رو توی ۲ هفته شارپی پس داد و بدترم میشه،
این تازه آغاز بازی هست، اگه قرار باشه یه جنگ در خاورمیانه هم اتفاق بیوفته، ماجرا از اینم بدتر میشه.
در کل رکود جهانی از آن‌چیزی که فکر میکنید به شما نزدیکتر هست😌
@machinelearningnet
امروز فد جلسه فوری گذاشته که احتمالا ریت رو ۰.۵ واحد پایین بیارن،
ساعتی پیش بازار سهام ژاپن به دلیل کاهش شدید سهام بسته شد، بیتکوین ۱۸ درصد دو روزه افت داشته، آلت کوین ها که هیچ!
نمودار بالا یکی از عجیب‌ترین ها بود، سالها نرخ سود ژاپن صفر بود و سرمایه گزارها از بانک ژاپن پول میگرفتن و در سهام آمریکایی سرمایه گذاری میکردن یا دلار استرالیا میخریدن و به اصطلاح کری تریدینگ میکردن،
یکی دو هفته پیش بانک ژاپن بدون اعلام قبلی نرخ بهره رو بیشتر کرد، الان دیگه باید به ازای پولی که ازش گرفتی باید بهره بدی و این اصلا بصرفه نیست، ۴ تریلیون دلار الان داره از سهام فروخته میشه که برگرده ژاپن، ین شدیدا تقویت شده،
جفت ارز audjpy کل سودی که یکسال اخیر داده بود رو توی ۲ هفته شارپی پس داد و بدترم میشه،
این تازه آغاز بازی هست، اگه قرار باشه یه جنگ در خاورمیانه هم اتفاق بیوفته، ماجرا از اینم بدتر میشه.
در کل رکود جهانی از آن‌چیزی که فکر میکنید به شما نزدیکتر هست😌
@machinelearningnet
👍18🤯4👏3😭1👨💻1
حالا چی میشه ؟
اصولا یه کار بسیار جالب بررسی کورولیشن بازارهای جهانی هست، در مورد کریپتو سیستم اینشکلی هست که در زمان های risk on ، مارکت کریپتو و استاک باهم کورولیشن بسیار بالایی پیدا میکنن و استاک بریزه کریپتو بدتر میریزه،
در زمان های کم ریسک، ارتباط ضعیفه
پریروز Vix رسیده بود به ۳امین high کل تاریخ اش و واسه همین کریپتو و سهام یکی از بدترین Monday های تاریخ رو تجربه کردن،
شرایط بخاطر overprice شدن و رکودی که انتظار می‌رفت خیلی stable نیست و در واقع خیلی هم نمیشه گفت حتما بازار بسرعت صعودی خواهد بود، من با یکی از دوستان توی مورگن استنلی صحبت میکردم و گفت خریدهای خوبی دسک شون برای مشتری ها انجام دادن، البته جواب من این بود که اگه فکر کردن کف هست عالی خرید کردن، اما اگه بریزه، در واقع اونا احساس خطر زودتر میکنن و کف ها تازه سوراخ میشه!
در کریپتو هم همینه اما بلند مدت ما به این بازار بسیار مثبت هستیم،
یه اتفاقی هم دوباره توی بازارهای جهانی ۳-۴ ماه آخر ۲۰۲۳ افتاد که کریپتو از اون روز روند شدید صعودی رو شروع کرد، شما بگین چی بود؟
@machinelearningnet
اصولا یه کار بسیار جالب بررسی کورولیشن بازارهای جهانی هست، در مورد کریپتو سیستم اینشکلی هست که در زمان های risk on ، مارکت کریپتو و استاک باهم کورولیشن بسیار بالایی پیدا میکنن و استاک بریزه کریپتو بدتر میریزه،
در زمان های کم ریسک، ارتباط ضعیفه
پریروز Vix رسیده بود به ۳امین high کل تاریخ اش و واسه همین کریپتو و سهام یکی از بدترین Monday های تاریخ رو تجربه کردن،
شرایط بخاطر overprice شدن و رکودی که انتظار می‌رفت خیلی stable نیست و در واقع خیلی هم نمیشه گفت حتما بازار بسرعت صعودی خواهد بود، من با یکی از دوستان توی مورگن استنلی صحبت میکردم و گفت خریدهای خوبی دسک شون برای مشتری ها انجام دادن، البته جواب من این بود که اگه فکر کردن کف هست عالی خرید کردن، اما اگه بریزه، در واقع اونا احساس خطر زودتر میکنن و کف ها تازه سوراخ میشه!
در کریپتو هم همینه اما بلند مدت ما به این بازار بسیار مثبت هستیم،
یه اتفاقی هم دوباره توی بازارهای جهانی ۳-۴ ماه آخر ۲۰۲۳ افتاد که کریپتو از اون روز روند شدید صعودی رو شروع کرد، شما بگین چی بود؟
@machinelearningnet
👍9
در واقع nature یکی از بهترین ژورنالهای دنیا هست.
یه آموزش خیلی جذاب در مورد نوشتن چکیده مقاله داده که بشدت برای دوستان پیشنهاد میکنم همین اپروچ رو در نوشتن چکیده فالو کنید.
بر اساس حجم چکیده خواسته شده در ژورنال مقصد، میتونید این ریکامند nature رو تنظیم کنید
@machinelearningnet
یه آموزش خیلی جذاب در مورد نوشتن چکیده مقاله داده که بشدت برای دوستان پیشنهاد میکنم همین اپروچ رو در نوشتن چکیده فالو کنید.
بر اساس حجم چکیده خواسته شده در ژورنال مقصد، میتونید این ریکامند nature رو تنظیم کنید
@machinelearningnet
👍15❤1
سلام دوستان،
این مدت برای خودم تعدادی کورس کاملا مجانی از یوتیوب رو بعد از مقداری تحقیق لیست کردم که ببینم.
بنظرم رسید جالب باشه با شما هم به اشتراک بزارم🙏،
مطالب در چهارتا تاپیک کلی ، ماشین لرنینگ، دیپ لرنینگ، یادگیری تقویتی و ماشین ویژن هست، حالا دوره های دوتا تاپیک رو این پست میزارم، دوتا رو پست بعدی،
برای کسانی که حتی اطلاعات خوبی در مورد ML و RL دارن، مطالب جالبی برای یادگیری اینجا پیدا میشه👌
🔎 𝗠𝗮𝗰𝗵𝗶𝗻𝗲 𝗟𝗲𝗮𝗿𝗻𝗶𝗻𝗴 :
⚙️Intro to Machine Learning:
https://youtube.com/playlist?list=PL05umP7R6ij35ShKLDqccJSDntugY4FQT&si=eoWm0qTsmwLzS1fG
✨Stanford: Machine Learning: https://www.youtube.com/playlist?list=PLoROMvodv4rMiGQp3WXShtMGgzqpfVfbU
💡Making Friends with Machine Learning:
https://www.youtube.com/playlist?list=PLRKtJ4IpxJpDxl0NTvNYQWKCYzHNuy2xG
🌐Applied Machine Learning: https://www.youtube.com/playlist?list=PL2UML_KCiC0UlY7iCQDSiGDMovaupqc83
⚡️Statistical Machine Learning: https://www.youtube.com/playlist?list=PL05umP7R6ij2XCvrRzLokX6EoHWaGA2cC
🎓Neural Networks: Zero to Hero: https://www.youtube.com/playlist?list=PLAqhIrjkxbuWI23v9cThsA9GvCAUhRvKZ
🕹 𝗥𝗲𝗶𝗻𝗳𝗼𝗿𝗰𝗲𝗺𝗲𝗻𝘁 𝗟𝗲𝗮𝗿𝗻𝗶𝗻𝗴:
🧩Foundations of Deep RL: https://www.youtube.com/playlist?list=PLwRJQ4m4UJjNymuBM9RdmB3Z9N5-0IlY0
🎮Deep Reinforcement Learning: https://www.youtube.com/playlist?list=PL_iWQOsE6TfURIIhCrlt-wj9ByIVpbfGc
🔬Stanford: Reinforcement Learning: https://www.youtube.com/playlist?list=PLoROMvodv4rOSOPzutgyCTapiGlY2Nd8u
امیدوارم مفید باشه
Keep Learning 💥
@machinelearningnet
این مدت برای خودم تعدادی کورس کاملا مجانی از یوتیوب رو بعد از مقداری تحقیق لیست کردم که ببینم.
بنظرم رسید جالب باشه با شما هم به اشتراک بزارم🙏،
مطالب در چهارتا تاپیک کلی ، ماشین لرنینگ، دیپ لرنینگ، یادگیری تقویتی و ماشین ویژن هست، حالا دوره های دوتا تاپیک رو این پست میزارم، دوتا رو پست بعدی،
برای کسانی که حتی اطلاعات خوبی در مورد ML و RL دارن، مطالب جالبی برای یادگیری اینجا پیدا میشه👌
🔎 𝗠𝗮𝗰𝗵𝗶𝗻𝗲 𝗟𝗲𝗮𝗿𝗻𝗶𝗻𝗴 :
⚙️Intro to Machine Learning:
https://youtube.com/playlist?list=PL05umP7R6ij35ShKLDqccJSDntugY4FQT&si=eoWm0qTsmwLzS1fG
✨Stanford: Machine Learning: https://www.youtube.com/playlist?list=PLoROMvodv4rMiGQp3WXShtMGgzqpfVfbU
💡Making Friends with Machine Learning:
https://www.youtube.com/playlist?list=PLRKtJ4IpxJpDxl0NTvNYQWKCYzHNuy2xG
🌐Applied Machine Learning: https://www.youtube.com/playlist?list=PL2UML_KCiC0UlY7iCQDSiGDMovaupqc83
⚡️Statistical Machine Learning: https://www.youtube.com/playlist?list=PL05umP7R6ij2XCvrRzLokX6EoHWaGA2cC
🎓Neural Networks: Zero to Hero: https://www.youtube.com/playlist?list=PLAqhIrjkxbuWI23v9cThsA9GvCAUhRvKZ
🕹 𝗥𝗲𝗶𝗻𝗳𝗼𝗿𝗰𝗲𝗺𝗲𝗻𝘁 𝗟𝗲𝗮𝗿𝗻𝗶𝗻𝗴:
🧩Foundations of Deep RL: https://www.youtube.com/playlist?list=PLwRJQ4m4UJjNymuBM9RdmB3Z9N5-0IlY0
🎮Deep Reinforcement Learning: https://www.youtube.com/playlist?list=PL_iWQOsE6TfURIIhCrlt-wj9ByIVpbfGc
🔬Stanford: Reinforcement Learning: https://www.youtube.com/playlist?list=PLoROMvodv4rOSOPzutgyCTapiGlY2Nd8u
امیدوارم مفید باشه
Keep Learning 💥
@machinelearningnet
YouTube
Introduction to Machine Learning — Dmitry Kobak, 2020/21
Lectures for the course "Introduction to Machine Learning" (Machine Learning I) by Dmitry Kobak, University of Tübingen, Winter Term 2020/21. The lectures we...
🙏25❤10👍8🍾1
در ادامه پست قبلی ، دو تاپیک یادگیری عمیق و مدلهای زبانی اینجا کاور میشه،
مقداری این دوره ها تئوری رو جدی تر رو کاور میکنن که برای نوآوری های شما در فیلدهای مختلف مفید هستن.
🧠 𝗗𝗲𝗲𝗽 𝗟𝗲𝗮𝗿𝗻𝗶𝗻𝗴:
✨Introduction to Deep Learning (MIT):
https://www.youtube.com/playlist?list=PLtBw6njQRU-rwp5__7C0oIVt26ZgjG9NI
📚CMU Introduction to Deep Learning: https://deeplearning.cs.cmu.edu/F22/index.html
🎨MIT: Deep Learning:
https://www.youtube.com/playlist?list=PLCpMvp7ftsnIbNwRnQJbDNRqO6qiN3EyH
💻Stanford Deep Learning:
https://www.youtube.com/playlist?list=PLoROMvodv4rOABXSygHTsbvUz4G_YQhOb
🗣 L𝗟M and 𝗖𝗼𝗺𝗽𝘂𝘁𝗲𝗿 𝗩𝗶𝘀𝗶𝗼𝗻 :
📘Stanford - Transformers:
https://www.youtube.com/playlist?list=PLoROMvodv4rNiJRchCzutFw5ItR_Z27CM
📖NLP Course (Hugging Face):
https://www.youtube.com/playlist?list=PLo2EIpI_JMQvWfQndUesu0nPBAtZ9gP1o
📒Natural Language Understanding:
https://www.youtube.com/playlist?list=PLoROMvodv4rPt5D0zs3YhbWSZA8Q_DyiJ
📚CMU Advanced NLP 2022:
https://www.youtube.com/playlist?list=PL8PYTP1V4I8D0UkqW2fEhgLrnlDW9QK7z
👁🖼Deep Learning for Computer Vision:
https://www.youtube.com/playlist?list=PL5-TkQAfAZFbzxjBHtzdVCWE0Zbhomg7r
در این زمان که دسترسی به همه دوره های استنفورد و کمبریج هست، من بهتون پیشنهاد میدم حتما زبانتون رو تقویت کنید و دیگه نیاز به دوره های پولی واقعا نیست ☺️
مقداری این دوره ها تئوری رو جدی تر رو کاور میکنن که برای نوآوری های شما در فیلدهای مختلف مفید هستن.
🧠 𝗗𝗲𝗲𝗽 𝗟𝗲𝗮𝗿𝗻𝗶𝗻𝗴:
✨Introduction to Deep Learning (MIT):
https://www.youtube.com/playlist?list=PLtBw6njQRU-rwp5__7C0oIVt26ZgjG9NI
📚CMU Introduction to Deep Learning: https://deeplearning.cs.cmu.edu/F22/index.html
🎨MIT: Deep Learning:
https://www.youtube.com/playlist?list=PLCpMvp7ftsnIbNwRnQJbDNRqO6qiN3EyH
💻Stanford Deep Learning:
https://www.youtube.com/playlist?list=PLoROMvodv4rOABXSygHTsbvUz4G_YQhOb
🗣 L𝗟M and 𝗖𝗼𝗺𝗽𝘂𝘁𝗲𝗿 𝗩𝗶𝘀𝗶𝗼𝗻 :
📘Stanford - Transformers:
https://www.youtube.com/playlist?list=PLoROMvodv4rNiJRchCzutFw5ItR_Z27CM
📖NLP Course (Hugging Face):
https://www.youtube.com/playlist?list=PLo2EIpI_JMQvWfQndUesu0nPBAtZ9gP1o
📒Natural Language Understanding:
https://www.youtube.com/playlist?list=PLoROMvodv4rPt5D0zs3YhbWSZA8Q_DyiJ
📚CMU Advanced NLP 2022:
https://www.youtube.com/playlist?list=PL8PYTP1V4I8D0UkqW2fEhgLrnlDW9QK7z
👁🖼Deep Learning for Computer Vision:
https://www.youtube.com/playlist?list=PL5-TkQAfAZFbzxjBHtzdVCWE0Zbhomg7r
در این زمان که دسترسی به همه دوره های استنفورد و کمبریج هست، من بهتون پیشنهاد میدم حتما زبانتون رو تقویت کنید و دیگه نیاز به دوره های پولی واقعا نیست ☺️
YouTube
MIT 6.S191: Introduction to Deep Learning
Course lectures for MIT Introduction to Deep Learning. https://introtodeeplearning.com
❤13👍6👌1
ajg_2021_journals.pdf
24.4 MB
ژورنال های ABS و مجلات کوانت
یکی از بهترین لیست های رنکینگ مجلات در بیزینس اسکولهای دنیا، لیست ABS هست که سختی چاپ در ژورنال‌هاش از ۱ ( ساده ترین) تا ۴* ( مصیبت ترین😜) رنک شده. مقالات ۳، ۴ و ۴* این لیست واقعا خوب هستن و چاپ کردن مخصوصا در ۴* واقعا کار بسیار سختی هست،
اگه این لیست رو نگاه کنید، حوزه های متفاوتی از مارکتینگ و اکونومی، تا فاینانس و... رو شامل میشه،
در فاینانس، اونی که ۴ و کوانت چاپ میکنه
Journal of Financial and Quantitative Analysis
هست، هرچند ژورنالهای خوب رنک 3 هم هستن مثل
Journal of Portfolio Management
Quantitative Finance
توی Journal of finance هم گاها مقالات خیلی تکنیکال عالی چاپ میشه و اما واقعا چاپ اونجا خیلی سخته،
در حوزه management science و OR هم ژورنالهای خوبی مقالات کوانت چاپ میکنن. بهترین اش
European Journal of Operational Research
هست که رنک ۴ هست،
رنک های ۳ اینجا هم مثلا
Omega,
International Journal of Forecasting
خوب هستن.
کلا زیر ۳ کیفیت افت میکنه.
فیلد econ هم ژورنالهای ۴ و ۴* خیلی عالی داره اما اصولا econometrics چاپ میکنن
@machinelearningnet
یکی از بهترین لیست های رنکینگ مجلات در بیزینس اسکولهای دنیا، لیست ABS هست که سختی چاپ در ژورنال‌هاش از ۱ ( ساده ترین) تا ۴* ( مصیبت ترین😜) رنک شده. مقالات ۳، ۴ و ۴* این لیست واقعا خوب هستن و چاپ کردن مخصوصا در ۴* واقعا کار بسیار سختی هست،
اگه این لیست رو نگاه کنید، حوزه های متفاوتی از مارکتینگ و اکونومی، تا فاینانس و... رو شامل میشه،
در فاینانس، اونی که ۴ و کوانت چاپ میکنه
Journal of Financial and Quantitative Analysis
هست، هرچند ژورنالهای خوب رنک 3 هم هستن مثل
Journal of Portfolio Management
Quantitative Finance
توی Journal of finance هم گاها مقالات خیلی تکنیکال عالی چاپ میشه و اما واقعا چاپ اونجا خیلی سخته،
در حوزه management science و OR هم ژورنالهای خوبی مقالات کوانت چاپ میکنن. بهترین اش
European Journal of Operational Research
هست که رنک ۴ هست،
رنک های ۳ اینجا هم مثلا
Omega,
International Journal of Forecasting
خوب هستن.
کلا زیر ۳ کیفیت افت میکنه.
فیلد econ هم ژورنالهای ۴ و ۴* خیلی عالی داره اما اصولا econometrics چاپ میکنن
@machinelearningnet
❤15👍6
سلام دوستان،
در ادامه ی ارائه کورس های مجانی، دوتا کورس برای الگوریتمیک تریدینگ انتخاب کردم که تقریبا بهتون یاد میدن چطوری میتونید یه استراتژی اتوماتیک ترید با ابزارهای متفاوت دولوپ کنید،
این دوتا کورس روی هم نزدیک ۸ ساعت کدینگ هست، و برای free code camp هست که واقعا در زمینه llm ها خیلی آموزش های عالی دارن ( اونارو هم سعی میکنم چند تاش رو انتخاب کنم و یه پست دیگه بزارم )،
کورس اول، یه دوره ۴ ساعته هست که با توضیحات مقدماتی درمورد الگوریتمیک تریدینگ شروع میشه و بعد توضیحاتی در مورد استفاده از پایتون و dependency پایتون برای این دوره بهتون میده.
پارت بعد، در مورد گرفتن دیتا با api request برای استاک مارکت هست.
سپس دو تا استراتژی ارائه میشه،
اولی مومنتوم هست که توضیحات خوبی هم ارائه میده و دومی یه مدل value screener هست که در واقع دنبال اینکه کدوم سهم میارزه و اونو توی پرتفولیوی بزاره،
یه سکشن هم برای درست کردن پرتفولیو و پرتفولیوهای equally weighted داره.
در مورد بکتست استراتژی ها و آنالیز نتایج هم بعد از هر استراتژی، کدی دولوپ میکنه.
همونطور که میدونید این استراتژی ها سود ده نیستن، اما ازش میشه به عنوان یه مقدمه برای دولوپ مدلهای خودتون استفاده کنید
فیلم دوره اول در یوتیوب. لینک
کدهای دوره در گیت‌هاب
پ.ن.۱. دوره دوم در پست بعدی میزارم
پ.ن.۲. سعی میکنم چند تا ارائه در مورد استراتژی های پیشرفته تری که تازگی چاپ کردیم آماده کنیم
شاد باشین
@machinelearningnet
در ادامه ی ارائه کورس های مجانی، دوتا کورس برای الگوریتمیک تریدینگ انتخاب کردم که تقریبا بهتون یاد میدن چطوری میتونید یه استراتژی اتوماتیک ترید با ابزارهای متفاوت دولوپ کنید،
این دوتا کورس روی هم نزدیک ۸ ساعت کدینگ هست، و برای free code camp هست که واقعا در زمینه llm ها خیلی آموزش های عالی دارن ( اونارو هم سعی میکنم چند تاش رو انتخاب کنم و یه پست دیگه بزارم )،
کورس اول، یه دوره ۴ ساعته هست که با توضیحات مقدماتی درمورد الگوریتمیک تریدینگ شروع میشه و بعد توضیحاتی در مورد استفاده از پایتون و dependency پایتون برای این دوره بهتون میده.
پارت بعد، در مورد گرفتن دیتا با api request برای استاک مارکت هست.
سپس دو تا استراتژی ارائه میشه،
اولی مومنتوم هست که توضیحات خوبی هم ارائه میده و دومی یه مدل value screener هست که در واقع دنبال اینکه کدوم سهم میارزه و اونو توی پرتفولیوی بزاره،
یه سکشن هم برای درست کردن پرتفولیو و پرتفولیوهای equally weighted داره.
در مورد بکتست استراتژی ها و آنالیز نتایج هم بعد از هر استراتژی، کدی دولوپ میکنه.
همونطور که میدونید این استراتژی ها سود ده نیستن، اما ازش میشه به عنوان یه مقدمه برای دولوپ مدلهای خودتون استفاده کنید
فیلم دوره اول در یوتیوب. لینک
کدهای دوره در گیت‌هاب
پ.ن.۱. دوره دوم در پست بعدی میزارم
پ.ن.۲. سعی میکنم چند تا ارائه در مورد استراتژی های پیشرفته تری که تازگی چاپ کردیم آماده کنیم
شاد باشین
@machinelearningnet
👍22❤5🙏5👏2🔥1👌1
ادامه داستان های ما : آنالیز استراتژی ها
روزی که الگوریتم مومنتوم رو توی دیپ فاینانس بعد از نزدیک یکسال لایو ترید عرضه نهایی کردیم، اولش تقریبا ارتباطی با هج فاندهای کریپتو نداشتم، واسه همین معیارهای اونارو برای آنالیز استراتژیمون نمیدونستم، بعد از شرکت توی چند تا کنفرانس تخصصی فاند منیجری، بلاخره با نیکل دیجیتال و چند تا شرکت بزرگ این حوزه آشنا شدم،
نتایج رو که بهشون ارائه میدادم، با کلی ذوق به سود ۸۰ و اندی درصدی اشاره میکردم، طرف انگار اصلا براش مهم نبود🤷♀، تازه اونجا فهمیدیم که راه رو اشتباه رفتیم😁،
میانگین سود ۸۰ درصدی من در سال با ماکزیمم drawdown (dd) مثلا ۲۵-۳۰ درصدی برای یه شرکت هج فاند بدرد نمیخورد، منم دنبال خرده فروشی نبودم که استراتژی رو روی پول های ۱۰-۲۰ هزار تایی ران کنم. انگاری دید خرده فروشی داشتم ، اما میخواستم محصول هج فاندی ارائه بدم !
بعدش فهمیدیم باید بریم روی استراتژی هایی با dd زیر ۷ درصد و شارپ بالای ۲-۲.۵
کلا شارپ ریشیو شد نان شب و افزایش اون با کمتر کردن dd کار طاقت فرسایی شد،
اون هم که اوکی شد تازه گیر این افتاد که استراتژی چقدر میتونه پول مدیریت کنه ؟ شما فکر کن وقتی داری شارپ رو میبری بالا و dd رو میاری پایین، اصولا جوری میشه استراتژی ات که سودت میاد پایین. مثلا میشه استراتژی مارکت نیوترال،
اون استراتژی های مومنتوم بیس هستن که سود بالایی میدن و اصولا شارپ شون هم پایینه ( بخاطر ولاتیلیتی بالا)
حالا وقتی سودت پایینه، زمانی اون استراتژی بدردت میخوره که بتونی پول گنده مدیریت کنی، والا نمیتونی پول همکارات رو بدی و بازم fail میشی !
اینارو گفتم که بهتون بگم خیلی توی آنالیز استراتژی دنبال accuracy اینا نباشین،
یه دیلی ریترن بدین به کوانت استات ، براتون حساب کنه معیارهای مالی استراتژی تون چطوره
کلا هم با دو خط کد براحتی میشه آنالیز خوبی با این پکیج از استراتژی داشت
لینک
اما، برای نحوه بکتست، ما ۳-۴ تا پرزنت توی آپارات از کتاب دپرادو داریم، یکی اش مدل
Combinatorial Purged Cross Validation
هست که یه کراس ولیدیشن با embargo و purging هست و اینا برای عدم لیکیج بدرد میخورد،
لینک
نحوه کراس ولیدیشن اش هم جالبه، بجای مثلا ۵ ترین و ۱ قسمت تست، مثلا ۵ ترین و ۲ تا قسمت تست استفاده میکنه که بتونه کل بازه رو بصورت ترکیب های متفاوت تست کنه.
حالا اینم نباشه و یه walk forward cross validation ساده هم بزنی اوکیه.
لینک
حالا برای بکتست خوب فقط مساله لیکیج نیست، مثلا یکی از ایرادات survivalship بایاس هست.
مدلی زده بودیم ، سال اول ۷۰ درصد سود، باقی سالها میشد ۳۰ درصد. هیچ لیکیجی هم نبود، فهمیدیم کوین هایی که انتخاب میکنیم بعد از ۳ سال mature شدن و همه دووم اوردن، درحالی‌که اون زمان میم کوین بودن و واسه همین بایاس در انتخاب کوین داشتیم،
حالا چرا اکیوریسی نه؟ اوکیه احسان😊؟
پ.ن.۱. داستان اینجا تازه میرسه به پیچ اصلی راه، لایو کردن استراتژی
پ.ن.۲. قضیه لایو و execution خودش داستان خشنی داره😉!
@machinelearningnet
روزی که الگوریتم مومنتوم رو توی دیپ فاینانس بعد از نزدیک یکسال لایو ترید عرضه نهایی کردیم، اولش تقریبا ارتباطی با هج فاندهای کریپتو نداشتم، واسه همین معیارهای اونارو برای آنالیز استراتژیمون نمیدونستم، بعد از شرکت توی چند تا کنفرانس تخصصی فاند منیجری، بلاخره با نیکل دیجیتال و چند تا شرکت بزرگ این حوزه آشنا شدم،
نتایج رو که بهشون ارائه میدادم، با کلی ذوق به سود ۸۰ و اندی درصدی اشاره میکردم، طرف انگار اصلا براش مهم نبود🤷♀، تازه اونجا فهمیدیم که راه رو اشتباه رفتیم😁،
میانگین سود ۸۰ درصدی من در سال با ماکزیمم drawdown (dd) مثلا ۲۵-۳۰ درصدی برای یه شرکت هج فاند بدرد نمیخورد، منم دنبال خرده فروشی نبودم که استراتژی رو روی پول های ۱۰-۲۰ هزار تایی ران کنم. انگاری دید خرده فروشی داشتم ، اما میخواستم محصول هج فاندی ارائه بدم !
بعدش فهمیدیم باید بریم روی استراتژی هایی با dd زیر ۷ درصد و شارپ بالای ۲-۲.۵
کلا شارپ ریشیو شد نان شب و افزایش اون با کمتر کردن dd کار طاقت فرسایی شد،
اون هم که اوکی شد تازه گیر این افتاد که استراتژی چقدر میتونه پول مدیریت کنه ؟ شما فکر کن وقتی داری شارپ رو میبری بالا و dd رو میاری پایین، اصولا جوری میشه استراتژی ات که سودت میاد پایین. مثلا میشه استراتژی مارکت نیوترال،
اون استراتژی های مومنتوم بیس هستن که سود بالایی میدن و اصولا شارپ شون هم پایینه ( بخاطر ولاتیلیتی بالا)
حالا وقتی سودت پایینه، زمانی اون استراتژی بدردت میخوره که بتونی پول گنده مدیریت کنی، والا نمیتونی پول همکارات رو بدی و بازم fail میشی !
اینارو گفتم که بهتون بگم خیلی توی آنالیز استراتژی دنبال accuracy اینا نباشین،
یه دیلی ریترن بدین به کوانت استات ، براتون حساب کنه معیارهای مالی استراتژی تون چطوره
کلا هم با دو خط کد براحتی میشه آنالیز خوبی با این پکیج از استراتژی داشت
لینک
اما، برای نحوه بکتست، ما ۳-۴ تا پرزنت توی آپارات از کتاب دپرادو داریم، یکی اش مدل
Combinatorial Purged Cross Validation
هست که یه کراس ولیدیشن با embargo و purging هست و اینا برای عدم لیکیج بدرد میخورد،
لینک
نحوه کراس ولیدیشن اش هم جالبه، بجای مثلا ۵ ترین و ۱ قسمت تست، مثلا ۵ ترین و ۲ تا قسمت تست استفاده میکنه که بتونه کل بازه رو بصورت ترکیب های متفاوت تست کنه.
حالا اینم نباشه و یه walk forward cross validation ساده هم بزنی اوکیه.
لینک
حالا برای بکتست خوب فقط مساله لیکیج نیست، مثلا یکی از ایرادات survivalship بایاس هست.
مدلی زده بودیم ، سال اول ۷۰ درصد سود، باقی سالها میشد ۳۰ درصد. هیچ لیکیجی هم نبود، فهمیدیم کوین هایی که انتخاب میکنیم بعد از ۳ سال mature شدن و همه دووم اوردن، درحالی‌که اون زمان میم کوین بودن و واسه همین بایاس در انتخاب کوین داشتیم،
حالا چرا اکیوریسی نه؟ اوکیه احسان😊؟
پ.ن.۱. داستان اینجا تازه میرسه به پیچ اصلی راه، لایو کردن استراتژی
پ.ن.۲. قضیه لایو و execution خودش داستان خشنی داره😉!
@machinelearningnet
👍22🔥4👌2💯2❤1
چندی پیش کنفرانسی دعوت شده بودم که در جلسه plenary talk کنفرانس ، ادیتورهای مجلات تاپ فاینانس و مدیریت دنیا رو دعوت کرده بودن،
نفر اول از راست ادیتور اصلی سکشن فاینانس مجله Management Science هستن و اونیکی ادیتور Journal of Finance هست👀 .
نکات زیادی بحث شد. اما چند نکته برام جالب بود
۱. مهمترین قسمت مقاله چکیده و اینترو مقاله هست. اصولا ۷۰-۸۰ درصد ادیتور ها فقط همین رو میخونن، اگه باقی مقاله اتم کشف کنید اما این اول رو خوب بیان نکنید دسک ریجکت میشین⚠️
۲. برای مجلاتی مثل management science بو بکر (ادیتور) میگفت اصولا بگی فلانی اینو کار کرده ، فلانی اینو و... ما یه گپ پیدا کردیم اصولا ریجکته🙃
کار باید یک گپ اساسی رو کاور کنه نه گپ دیگران رو و pioneer باشه نه دنباله رو🥇 ،
۳. کارهای بزرگ نیاز به بیگ دیتاهای واقعی داره. وقت بزارین برای گرداوری دیتاهای خوب. مخصوصا اگه دیتاهای شما خودش novel باشه ، آنالیز های مستخرج از اونا جالب خواهد شد🌐
۴. سعی کنید روی اینکه مجله چه حوزه های چاپ میکنه مطالعه داشته باشین ، والا اصولا ادیتورها دسک ریجکت میکنن و به داوران نمیفرستن، منظورم دلیل دسک ریجکت ها همیشه کیفیت مقاله نیست، اشتباهی آناليز نکنید
۵. اصولا بیزینس اسکولهای دنیا رو آوردن به بررسی کیفیت مقاله بر اساس abs لیست ( قبلا گروه فرستادم). واسه همین این ژورنالهای abs4 و abs4* دیگه مقاله چاپ کردن اهمیت بیشتری پیدا کرده😏
۶. دنبال مشکل واقعی بگردین و براش سولوشن بدین، نه برای یه سولوشن دنبال مساله بگردین، بنظرم این اصلی ترین دلیل ضعیف بودن مقالات هست، بجای اینکه با مساله شروع کنید، اصولا روی تکنیک تمرکز دارین☝️
@machinelearningnet
نفر اول از راست ادیتور اصلی سکشن فاینانس مجله Management Science هستن و اونیکی ادیتور Journal of Finance هست
نکات زیادی بحث شد. اما چند نکته برام جالب بود
۱. مهمترین قسمت مقاله چکیده و اینترو مقاله هست. اصولا ۷۰-۸۰ درصد ادیتور ها فقط همین رو میخونن، اگه باقی مقاله اتم کشف کنید اما این اول رو خوب بیان نکنید دسک ریجکت میشین
۲. برای مجلاتی مثل management science بو بکر (ادیتور) میگفت اصولا بگی فلانی اینو کار کرده ، فلانی اینو و... ما یه گپ پیدا کردیم اصولا ریجکته
کار باید یک گپ اساسی رو کاور کنه نه گپ دیگران رو و pioneer باشه نه دنباله رو
۳. کارهای بزرگ نیاز به بیگ دیتاهای واقعی داره. وقت بزارین برای گرداوری دیتاهای خوب. مخصوصا اگه دیتاهای شما خودش novel باشه ، آنالیز های مستخرج از اونا جالب خواهد شد
۴. سعی کنید روی اینکه مجله چه حوزه های چاپ میکنه مطالعه داشته باشین ، والا اصولا ادیتورها دسک ریجکت میکنن و به داوران نمیفرستن، منظورم دلیل دسک ریجکت ها همیشه کیفیت مقاله نیست، اشتباهی آناليز نکنید
۵. اصولا بیزینس اسکولهای دنیا رو آوردن به بررسی کیفیت مقاله بر اساس abs لیست ( قبلا گروه فرستادم). واسه همین این ژورنالهای abs4 و abs4* دیگه مقاله چاپ کردن اهمیت بیشتری پیدا کرده
۶. دنبال مشکل واقعی بگردین و براش سولوشن بدین، نه برای یه سولوشن دنبال مساله بگردین، بنظرم این اصلی ترین دلیل ضعیف بودن مقالات هست، بجای اینکه با مساله شروع کنید، اصولا روی تکنیک تمرکز دارین
@machinelearningnet
Please open Telegram to view this post
VIEW IN TELEGRAM
👍32🙏2👌1
برنامه اسکولارشیپ برای ML و AI از طرف AWS امازون
این دوره با همراهی Udacity هست
https://aws.amazon.com/machine-learning/scholarship/
برای دوستان کارشناسی فرصت خوبیه دانش و رزومه خودشون رو با یک دوره بین‌المللی افزایش بدن👍
@machinelearningnet
این دوره با همراهی Udacity هست
https://aws.amazon.com/machine-learning/scholarship/
برای دوستان کارشناسی فرصت خوبیه دانش و رزومه خودشون رو با یک دوره بین‌المللی افزایش بدن
@machinelearningnet
Please open Telegram to view this post
VIEW IN TELEGRAM
👍5
Weron DStatG Statistical Week 2024 slides.pdf
9.4 MB
این یه پرزنت خوبی از پیشرفت های حوزه Electricity price forecasting هست.
📚 اگه توجه کنید در مورد درصد پابلیش و کجاها این مقالات رو میشه چاپ کرد بحث کرده،
📚 در مورد تاپیک های متفاوت انرژی فورکاستینگ ، مثل wind , solar, price و load بحث کرده
📚 روند الگوریتم ها از مدلهای آماری مثل quantile regression و lasso و arx بیشتر الان رفته روی مدلهای DNN مثل nbeats و مدلهای ترکیبی
📚 یه مساله دیگه مولتی وریت فورکاستینگ هست و بجای مثلا one step ahead بیاید اینتروال رو پیشبینی کنید ( مدلهای احتمالی ) یا supply and demand رو
👍 اصولا فضای خوبی برای چاپ مقالات در این حوزه هست. اگه مدلی دولوپ کردین از ریپو زیر میتونید یه دیتا پیدا کنید که باهاش تست کنید
https://forecastingdata.org/
😖 تایم سری های این حوزه مالتی سیزنال و نویزی هستن، میتونید اول denoise کنید مثل کالمن فیلتر یا همیلتون فیلتر و بعدش از مدل‌هایی بزنید که قابلیت مدل سیزنالیتی چندگانه رو داشته باشه.
@machinelearningnet2
https://forecastingdata.org/
@machinelearningnet2
Please open Telegram to view this post
VIEW IN TELEGRAM
🙏6👍3❤2🔥1
Forwarded from سلسله جلسات گذر
"Probabilistic Programming for Machine Learning"
امیرعباس اسدی
Bayesian Learning provides a natural framework for approaching Machine Learning problems. For a long time, due to the significant computational cost of Bayesian inference, this framework was limited to simple models and problems with a small amount of data. Probabilistic Programming is the fruit of many years of research in approximate Bayesian inference aiming to address these limitations. This presentation is a friendly introduction to Probabilistic Programming. We will explore how modern inference methods and recent advances in Differentiable Programming can help us unlock the full potential of Bayesian Machine Learning.
Presentation outline:
- Bayesian Learning and Probabilistic Programs
- Probabilistic Programming in Julia
- Approximate Bayesian Inference
-- Markov Chain Monte Carlo
-- Variational Inference
- Differentiable Programming
- Discussing some examples:
-- Bayesian Deep Learning
-- Bayesian Neural Differential Equations
-- Inverse Optimization
پیشنیاز های علمی: آمار و احتمال مقدماتی، آشنایی با Deep Learning
Please open Telegram to view this post
VIEW IN TELEGRAM
👏5👍2🙏2👀1
دوستان ، اساتید داخل ایران که کارهای quant finance در مقالات abs3 و abs4 چاپ میکنن می‌شناسید ؟
لیست مقالات abs در گروه هست ، منظورم مقاله بانک و بیمه و اینا نیست، منظورم کوانت روی استراتژی و مدلینگ بازار هست،
اگه میشناسین لطفا بهم اطلاعاتش رو مستقیم بفرستید، @sasanbarak
در تلاشیم یه initiative از اساتید کوانت ایرانی درست کنیم که فرصت های فاند اروپایی رو بتونن با دانشجوهاشون به اشتراک بزارن ،
ممنونم🙏
لیست مقالات abs در گروه هست ، منظورم مقاله بانک و بیمه و اینا نیست، منظورم کوانت روی استراتژی و مدلینگ بازار هست،
اگه میشناسین لطفا بهم اطلاعاتش رو مستقیم بفرستید، @sasanbarak
در تلاشیم یه initiative از اساتید کوانت ایرانی درست کنیم که فرصت های فاند اروپایی رو بتونن با دانشجوهاشون به اشتراک بزارن ،
ممنونم🙏
❤15😁2👍1
من دوتا کورس 🎓 فوق العاده برای کوانت براتون پیشنهاد میکنم، اینا در ادامه پست های قبلی هستن که در اینجا و اینجا ارائه شدن،
دوره اول برای quantopian هست💻 . اینا یه شرکتی بودن که منحل شدن ولی دوره های فوق العاده ای به یادگار گذاشتن.
این شرکت در واقع یه مدل crowd source hedge fund بود که قرار بود بر اساس الگوریتم های ریسرچرها منبع درآمد ایجاد کنه، یه ایده عالی که متاسفانه سال ۲۰۲۰ بخاطر عدم مدیریت خوب نتونست ادامه بده ( داستان داره چرا موفق نشدن، بعدا میگم) برای اینکه از مدلهای دیگران استفاده کنن اینا به آموزش خیلی بها میدادن و دوره های خوبی دولوپ کردن، این یکی از بهترین شون هست.
دوره واقعا جنبه یادگیری زیادی از خیلی پایه تا advanced رو داره و یکی از دوره های هست که من هم در تدریسم اینجا ازش استفاده میکنم. از بیس پایتون شروع میشه تا کلی استراتژی مثل pair trading, بحث های پرتفولیو. چند تا مدل پیشبینی و... کاور میکنه
هم ویدئو▶️ داره و هم اسلاید برای هر درس🧠 ،
لینک لکچرهای کوانتوپین🔸
دوره دوم برای یودمی توی کریپتو هست📈 . از گرفتن دیتای کریپتو با api باینانس، تا حتی لایو کردن الگوریتم با AWS رو کاور کرده،
چند تا استراتژی long-only ، long-short, استراتژی برای ترید فیوچرز، رو هم کارو کرده،
برای مدل لایو گاها نیاز هست روی api بروکر های دیگه هم کار کنید، اینجا api کراکن و bybit رو هم کاور کرده
خود دوره در یودمی
لینک مجانی دوره برای دانلود
این دوتا دوره بنظرم هر چی که برای شروع کار نیاز دارین رو ارائه میده،
لذت ببرین😀
Group: @machinelearningnet
Channel: @machinelearningnet2
دوره اول برای quantopian هست
این شرکت در واقع یه مدل crowd source hedge fund بود که قرار بود بر اساس الگوریتم های ریسرچرها منبع درآمد ایجاد کنه، یه ایده عالی که متاسفانه سال ۲۰۲۰ بخاطر عدم مدیریت خوب نتونست ادامه بده ( داستان داره چرا موفق نشدن، بعدا میگم) برای اینکه از مدلهای دیگران استفاده کنن اینا به آموزش خیلی بها میدادن و دوره های خوبی دولوپ کردن، این یکی از بهترین شون هست.
دوره واقعا جنبه یادگیری زیادی از خیلی پایه تا advanced رو داره و یکی از دوره های هست که من هم در تدریسم اینجا ازش استفاده میکنم. از بیس پایتون شروع میشه تا کلی استراتژی مثل pair trading, بحث های پرتفولیو. چند تا مدل پیشبینی و... کاور میکنه
هم ویدئو
لینک لکچرهای کوانتوپین
دوره دوم برای یودمی توی کریپتو هست
چند تا استراتژی long-only ، long-short, استراتژی برای ترید فیوچرز، رو هم کارو کرده،
برای مدل لایو گاها نیاز هست روی api بروکر های دیگه هم کار کنید، اینجا api کراکن و bybit رو هم کاور کرده
خود دوره در یودمی
لینک مجانی دوره برای دانلود
این دوتا دوره بنظرم هر چی که برای شروع کار نیاز دارین رو ارائه میده،
لذت ببرین
Group: @machinelearningnet
Channel: @machinelearningnet2
Please open Telegram to view this post
VIEW IN TELEGRAM
👍29❤🔥6🙏6❤3👏1
چند روز پیش ما بقول اینوری ها یه initiative گذاشتیم که بچه های که کار ml در فاینانس و یا فورکاستینگ تایم سری انجام دادن رزومه بفرستن برای ریسرچ روی چند تا تز که کارهاش نصفه است ( بعضی هاش هم خوب جلو رفته )، رزومه های زیادی اومد اما نزدیک ۶-۷ تا رزومه خوب گرفتم که واقعا داشتم نگاه میکردم کیف میکردم چقدر بچه های ما خوب هستن 👌 .
فقط مشکلی که هست اینکه بعضی رزومه ها توانایی طرف رو نشون نمیداد😒 ، رزومه نوشتن دوستان واقعا مهمه📚 ،
۱.از فرمت خاصی استفاده نکنید، این بغل یه حاشیه میندازین و اطلاعات میارین اونجا، خیلی رزومه غیر حرفه ای میشه❌
۲. رنگ رنگی رزومه ندین،❗️
۳. فونت عجیب غریب استفاده نکنید،⛔️
۴. حتما برای کاراتون تاریخ بزارین که کی کجا بودین، 📆
۵. جوری رزومه بنویسید که ریویر بتونه روند کاری شمارو از روی رزومه دنبال کنه، یهو وسط یکسال گپ نداشته باشین،❓
۶. رزومه رو مناسب اون کاری که میفرستید اپدیت کنید، یعنی الان برای ریسرچ میخواید رزومه بفرسیتن، سعی کنید از کلید واژه های مرتبط استفاده کنید.
۷. حتما اشاره کنید کجا درس خوندین حتی اگه مرتبط نباشه، رشته دیگه ای خوندین. اصلا مهم نیست⚛️
۸. چیزای ضایع مثل رزومه انگلیسی با عدد فارسی اینا واقعا دیگه عجیبه ❌
۹. رزومه ای که برای کار توی فلان شرکت هست ساختارش با رزومه اپلای/ ریسرچ فرق داره.
۱۰. سعی کنید یه کاور لتر در راستای کاری که بهش اپلای میکنید در کنار رزومه به طرف بفرستید، گاها رزومه ها دقیقا اون پروژه رو کاور نمیکنه اما کاور لتر توضیح میده فلان کار چطوری به پروژه مرتبطه💬
۱۱. راستش بدون مقاله امروزه سخت شده فاند گرفتن ، سعی کنید مقاله داشته باشین، حتی اگه روی مقاله ای کار میکنید بنویسید under preparation📚
۱۲. مقاله ای که چاپ نشده و سابمیت شده رو نزنید بین مقالات پابلیش شده تون، باید بزنید submission به فلان ژورنال،
۱۳. در کل بشینید خوب اینجا وقت بزارین، بعضی ها مثل الماس هستن اما پرزنت کلافه و بهم ریخته ارزش کارشون رو میاره پایین✔️ .
Group: @machinelearningnet
Channel: @machinelearningnet2
موفق باشین 👌
فقط مشکلی که هست اینکه بعضی رزومه ها توانایی طرف رو نشون نمیداد
۱.از فرمت خاصی استفاده نکنید، این بغل یه حاشیه میندازین و اطلاعات میارین اونجا، خیلی رزومه غیر حرفه ای میشه
۲. رنگ رنگی رزومه ندین،❗️
۳. فونت عجیب غریب استفاده نکنید،⛔️
۴. حتما برای کاراتون تاریخ بزارین که کی کجا بودین، 📆
۵. جوری رزومه بنویسید که ریویر بتونه روند کاری شمارو از روی رزومه دنبال کنه، یهو وسط یکسال گپ نداشته باشین،
۶. رزومه رو مناسب اون کاری که میفرستید اپدیت کنید، یعنی الان برای ریسرچ میخواید رزومه بفرسیتن، سعی کنید از کلید واژه های مرتبط استفاده کنید.
۷. حتما اشاره کنید کجا درس خوندین حتی اگه مرتبط نباشه، رشته دیگه ای خوندین. اصلا مهم نیست
۸. چیزای ضایع مثل رزومه انگلیسی با عدد فارسی اینا واقعا دیگه عجیبه ❌
۹. رزومه ای که برای کار توی فلان شرکت هست ساختارش با رزومه اپلای/ ریسرچ فرق داره.
۱۰. سعی کنید یه کاور لتر در راستای کاری که بهش اپلای میکنید در کنار رزومه به طرف بفرستید، گاها رزومه ها دقیقا اون پروژه رو کاور نمیکنه اما کاور لتر توضیح میده فلان کار چطوری به پروژه مرتبطه
۱۱. راستش بدون مقاله امروزه سخت شده فاند گرفتن ، سعی کنید مقاله داشته باشین، حتی اگه روی مقاله ای کار میکنید بنویسید under preparation
۱۲. مقاله ای که چاپ نشده و سابمیت شده رو نزنید بین مقالات پابلیش شده تون، باید بزنید submission به فلان ژورنال،
۱۳. در کل بشینید خوب اینجا وقت بزارین، بعضی ها مثل الماس هستن اما پرزنت کلافه و بهم ریخته ارزش کارشون رو میاره پایین
Group: @machinelearningnet
Channel: @machinelearningnet2
موفق باشین 👌
Please open Telegram to view this post
VIEW IN TELEGRAM
👌29❤7👍6
آخرین باری که SP500 بیشتر از ۴۰ درصد در عرض یکسال صعود کرد، بازه ۱۹۸۶-۱۹۸۷ بود📈 .
بعدش میتونید ببینید چی شد ( تصویر سمت راست)🔽 🧐
ما یه مقاله بتازگی سابمیت کردیم که در ssrn میتونید مشاهده کنید.📚
لینک مقاله
در واقع هدف مقاله پیدا کردن شباهت های فیچرهای ماکرو در بازهای زمانی گذشته به زمان مورد مطالعه بود و بعدش گام دوم میشد تشخیص روند آینده بر اساس روند همسانی ماکروی که در گذشته پیدا کرديم.🔃
اتفاق جالب اینکه این مقاله جزو ۱۰ تای برتر از لحاظ دانلود در ssrn توی ۳ تا حوزه‌ی
Decision-Making in Operations Research,
Financial Engineering,
Forecasting Models,
قرار گرفته و استقبال خوبی ازش شده🎉 .
اما مساله مهمتر خروجی کار بود که دقیقا بر اساس آنالیز پترن مچینگی که کردیم ما یکسال گذشته رو گفتیم شبیه بازه ۱۹۸۵-۱۹۸۸ هست😎 ،
در واقع زمان سابمیت مقاله SP500 اینقدر اصلا رشد نکرده بود اما اتفاقات ماکرو شباهت داشت!😏
حالا اینکه طبق این تحلیل ها، اون سقوط آزاد هم رخ خواهد داد یا نه ، دیگه میتونه انالیز عجیب و خطرناکی باشه⁉️ ،
حالا این پست اینجا بماند ببینم چی میشه 😉
Channel : @machinelearningnet2
Group: @machinelearningnet
بعدش میتونید ببینید چی شد ( تصویر سمت راست)
ما یه مقاله بتازگی سابمیت کردیم که در ssrn میتونید مشاهده کنید.
لینک مقاله
در واقع هدف مقاله پیدا کردن شباهت های فیچرهای ماکرو در بازهای زمانی گذشته به زمان مورد مطالعه بود و بعدش گام دوم میشد تشخیص روند آینده بر اساس روند همسانی ماکروی که در گذشته پیدا کرديم.
اتفاق جالب اینکه این مقاله جزو ۱۰ تای برتر از لحاظ دانلود در ssrn توی ۳ تا حوزه‌ی
Decision-Making in Operations Research,
Financial Engineering,
Forecasting Models,
قرار گرفته و استقبال خوبی ازش شده
اما مساله مهمتر خروجی کار بود که دقیقا بر اساس آنالیز پترن مچینگی که کردیم ما یکسال گذشته رو گفتیم شبیه بازه ۱۹۸۵-۱۹۸۸ هست
در واقع زمان سابمیت مقاله SP500 اینقدر اصلا رشد نکرده بود اما اتفاقات ماکرو شباهت داشت!😏
حالا اینکه طبق این تحلیل ها، اون سقوط آزاد هم رخ خواهد داد یا نه ، دیگه میتونه انالیز عجیب و خطرناکی باشه
حالا این پست اینجا بماند ببینم چی میشه 😉
Channel : @machinelearningnet2
Group: @machinelearningnet
Please open Telegram to view this post
VIEW IN TELEGRAM
👍16😱1🤩1🙏1
در آخرین گزارش مالی گوگل، مدیرعامل اشاره کرده که بیش از یک چهارم کدهای جدید شرکت توسط AI تولید می شود!😳
این میتونه تحولات عظیمی روی بهره وری و حتی آینده کاری خیلی ها ایجاد کنه.
اما جدیدترین نسخه شرکت Anthropic یه مدل فوق العاده جذاب هست که در واقع مدل claude sonnet 3.5 میاد و کنترل کامپیوتر و دسک تاپ شمارو بعهده میگیره و برای شما مثلا web search میکنه و اطلاعات رو از وب وارد vs code شما میکنه و کدی که میخواین رو مینویسه و تحلیل هاش رو انجام میده و حتی پیشنهاد بهتون میده چیکار بکنید بهتره !🤔
در واقع شما با یه چت ساده ، هر کاری که لازمه توی کامپیتر شما مهندسی بشه رو بهش میگین!💬
اطلاعات لازم برای وصل شدن به این computer user reference در لینک زیر هست، شما باید داکر نصب کنید و بعدش با api anthropic تون یه فضای مجازی درست میکنید که در واقع دیتای شما هم محفوظ میمونه
https://github.com/anthropics/anthropic-quickstarts/tree/main/computer-use-demo
قسمت خفن کار⤵️ :
در زیر یه ویدئو گذاشتم، ازش خواستیم دیتاهای یاهو فاینانس رو بگیر، بیاره توی vs code یه استراتژی مومنتوم روش دولوپ کنه! سیگنال بای و سل جنریت کنه، نتایج رو آنالیز کنه و کد و دیتارو بهم بده !
مگه داریم !💀
Group: @machinelearningnet
Channel: @machinelearningnet2☠️
این میتونه تحولات عظیمی روی بهره وری و حتی آینده کاری خیلی ها ایجاد کنه.
اما جدیدترین نسخه شرکت Anthropic یه مدل فوق العاده جذاب هست که در واقع مدل claude sonnet 3.5 میاد و کنترل کامپیوتر و دسک تاپ شمارو بعهده میگیره و برای شما مثلا web search میکنه و اطلاعات رو از وب وارد vs code شما میکنه و کدی که میخواین رو مینویسه و تحلیل هاش رو انجام میده و حتی پیشنهاد بهتون میده چیکار بکنید بهتره !
در واقع شما با یه چت ساده ، هر کاری که لازمه توی کامپیتر شما مهندسی بشه رو بهش میگین!
اطلاعات لازم برای وصل شدن به این computer user reference در لینک زیر هست، شما باید داکر نصب کنید و بعدش با api anthropic تون یه فضای مجازی درست میکنید که در واقع دیتای شما هم محفوظ میمونه
https://github.com/anthropics/anthropic-quickstarts/tree/main/computer-use-demo
قسمت خفن کار
در زیر یه ویدئو گذاشتم، ازش خواستیم دیتاهای یاهو فاینانس رو بگیر، بیاره توی vs code یه استراتژی مومنتوم روش دولوپ کنه! سیگنال بای و سل جنریت کنه، نتایج رو آنالیز کنه و کد و دیتارو بهم بده !
مگه داریم !
Group: @machinelearningnet
Channel: @machinelearningnet2
Please open Telegram to view this post
VIEW IN TELEGRAM
👍9🔥2🤯2❤1