ده گزاره که در جنگ تحمیلی اخیر غیر واقعی بودن آنها معلوم شد:

1- آمریکا با یک دکمه کل سیستم دفاعی کشور را از کار می اندازد.
2- در جنگ با آمریکا یکی از مقامات هم کشته نمی شود و فقط مردم قربانی خواهند بود.
3-قدرت نظامی ایران، در مقابل آمریکا چند روز هم دوام نمی آورد.
4- در اولین حمله مسئولین نظامی به خارج فرار می کنند.
5- مسئولین در پناهگاه ها 44 طبقه زیر زمین پناه گرفته اند.
6- سربازان در همان دقایق اول از پادگان ها فرار می کنند.
7- آمریکا و اسرائیل فقط نیروهای نظامی را هدف قرار می دهد و غیر نظامی ها آسیب نمی بینند.
8- آمریکا و اسرائیل به زیرساخت های کشور حمله نمی کنند.
9- مردم داخل، برای دفاع از کشور به خیابان ها نخواهند آمد.
10- ایران توانایی بستن تنگه هرمز را ندارد.

وَمَا النَّصْرُ إِلَّا مِنْ عِنْدِ اللَّهِ الْعَزِيزِ الْحَكِيمِ

لقمه ای بزرگتر از دهانتان برداشتید

سقوط بورس های جهانی ادامه دارد ...
نمودار از 20 روز پیش تا امروز برای سه شاخص اصلی ثبت شده است

یَا مُقَلِّبَ الْقُلُوبِ وَ الْأَبْصَارِ
یَا مُدَبِّرَ اللَّیْلِ وَ النَّهَارِ
یَا مُحَوِّلَ الْحَوْلِ وَ الْأَحْوَال
حَوِّلْ حَالَنَا إِلَی أَحْسَنِ الْحَال

ضمن گرامیداشت یاد و نام شهدای جنگ تحمیلی اخیر، فرارسیدن سال جدید و حلول عید سعید فطر را خدمت شما تبریک عرض می کنم.

نصب ماژول‌های اصلی پایتون
همانطور که احتمالا می دانید Python نسخه 3.14.3 اوایل بهمن ماه منتشر شد. ممکن است برخی از عزیزان برای کارهای خود نیاز به آخرین نسخه پایتون و ماژول های متداول آن داشته باشند. با توجه به اختلال اینترنت، با این دستورات می توانید ماژول های مورد نیاز خود را نصب نمایید.
🌐 نصب Python نسخه 3.14.3

برای نصب ماژولها، هر کدام از این خط ها را در CMD تایپ نمایید.

pip install --index-url https://python4finance.ir/pypi3.14/ numpy

pip install --index-url https://python4finance.ir/pypi3.14/ pandas

pip install --index-url https://python4finance.ir/pypi3.14/ scipy

pip install --index-url https://python4finance.ir/pypi3.14/ matplotlib

pip install --index-url https://python4finance.ir/pypi3.14/ scikit-learn

pip install --index-url https://python4finance.ir/pypi3.14/ statsmodels

pip install --index-url https://python4finance.ir/pypi3.14/ notebook

دقت داشته باشید این فایل ها صرفا برای پایتون نسخه 3.14 قابل استفاده هستند.

پایتون برای مالی

🆔 t.iss.one/python4finance
🆔 ble.ir/python4finance

نصب ماژول‌های اصلی پایتون

با توجه به در خواست عزیزان برای اضافه شدن نسخه 3.13 ، این نسخه هم اضافه شد. برای نصب ماژول های متداول می توانید از این شیوه استفاده کنید: (هر کدام از این خط ها را در CMD تایپ نمایید.)

pip install --index-url https://www.python4finance.ir/pypi3.13/ numpy

pip install --index-url https://www.python4finance.ir/pypi3.13/ pandas

pip install --index-url https://www.python4finance.ir/pypi3.13/ scipy

pip install --index-url https://www.python4finance.ir/pypi3.13/ matplotlib

pip install --index-url https://www.python4finance.ir/pypi3.13/ scikit-learn

pip install --index-url https://www.python4finance.ir/pypi3.13/ statsmodels

pip install --index-url https://www.python4finance.ir/pypi3.13/ notebook

توضیح: با توجه به اختلال اینترنت، با این دستورات می توانید ماژول های مورد نیاز خود را نصب نمایید.در صورت نیاز به یک ماژول خاص یا مشکل در نصب ماژول ها می توانید از طریق فرم ارتباط با من به این آدرس اعلام نمایید.
پایتون برای مالی
🆔 t.iss.one/python4finance
🆔 ble.ir/python4finance

پی نوشت: با توجه به درخواست عزیزان، کتابخانه های زیر برای نسخه 3.14 اضافه شد:

pip install --index-url https://python4finance.ir/pypi3.14/ selenium
 
pip install --index-url https://python4finance.ir/pypi3.14/ plotly

pip install --index-url https://python4finance.ir/pypi3.14/ requests

pip install --index-url https://python4finance.ir/pypi3.14/ xgboost

pip install --index-url https://python4finance.ir/pypi3.14/ seaborn

pip install https://python4finance.ir/pypi3.14/PyQt5-5.15.11-cp38-abi3-win_amd64.whl

pip install https://python4finance.ir/pypi3.14/shap-0.51.0-cp314-cp314-win_amd64.whl

همچنین نسخه مینی کوندا هم به درخواست یکی از عزیزان اضافه شد.

🌐 لینک دانلود Miniconda3

پایتون برای مالی
🆔 t.iss.one/python4finance
🆔 ble.ir/python4finance

نصب یک هوش مصنوعی (LLM) روی سیستم خودمان. بخش مقدمه
خیلی از اساتید، دانشجویان، پژوهشگران و شرکت‌ها برای کارهای خود نیازمند استفاده از هوش مصنوعی هستند. سوال اینه که آیا می تونیم خودمون یک LLM شخصی برای خودمون داشته باشیم که مجزا از دسترسی به شبکه همیشه بتونیم از اون استفاده کنیم؟
در پست بعدی در این خصوص توضیحاتی را عرض خواهم کرد.


پایتون برای مالی

🆔 t.iss.one/python4finance
🆔 ble.ir/python4finance

نصب یک هوش مصنوعی (LLM) روی سیستم خودمان. بخش اول
خیلی از اساتید، دانشجویان، پژوهشگران و شرکت‌ها برای کارهای خود نیازمند استفاده از هوش مصنوعی هستند. البته هوش مصنوعی دامنه بسیار زیادی از ابزارها رو شامل می شه که در اینجا با اغماض منضورمان همین مدلهای زبانی بزرگ یا LLM ها هستند. قبل از اینکه بریم وارد نصب بشیم سه تا سوال رو بررسی کنیم:

1️⃣ چرا اصلا یک مدل هوش مصنوعی را باید به صورت آفلاین نصب کنیم؟- بی نیازی از اینترنت برای استفاده از مدل ها. البته ابزارهای فارسی هستند که برای کسانی که امکان نصب آفلاین رو ندارند از اونها می شه استفاده کرد. ( در این پست معرفی کردم )- توسعه مدل برای اهداف تخصصی. بعضی وقت ها می خواهیم مدل را بسته به نیاز خود آموزش دهیم یا از RAG برای افزایش دانش مدل استفاده کنیم- محرمانگی، مثلا یک شرکت نمی خواهد اطلاعات تجاری خود را روی اینترنت منشتر کند یا محرمانگی در سوالات و ...- همراه داشتن همیشگی پرس و جوها و نتایج

2️⃣ آیا کیفیت مدلهای آفلاین مانند سیستم های آنلاین (علی الخصوص سیستم های خارجی مثل chatgpt و ...) است؟طبیعی است که مدلهای خارجی چون به روزتر هستند و همچنین حجم بالاتری داده در مدل ذخیره شده و از طرفی امکانات پردازشی بالاتری دارند کیفیت بهتری دارند. برای مثال مدل GPT5.4 که در اوایل سال 2026 معرفی شد، پیش بینی می شود حدود 4.0 تریلیون توکن و حجمی حدود 8 ترابایت داشته باشد. معمولا اجرای این مدلها روی چندین دیتاسنتر بزرگ انجام می شود.

3️⃣ آیا ابزارهای داخلی، به کیفیت ابزارهای خارجی هستند؟ تفاوت آنها با ابزارهای خارجی چیست؟ابزارهای داخلی هم دقیقا از روشی مشابه روشی که در ادامه عرض خواهم برای نصب یک مدل آفلاین استفاده می کنند. البته برخی ابزارهای فارسی از سایت های معروف خارجی API گرفته اند که آنها هم مشابه ابزارهای خارجی عمل می کنند اما خب در شرایط عدم دسترسی به اینترنت آنها هم از کار خواهند افتاد.
ادامه دارد ...

پایتون برای مالی

🆔 t.iss.one/python4finance
🆔 ble.ir/python4finance

نصب یک هوش مصنوعی (LLM) روی سیستم خودمان. بخش دوم

برای اجرای یک مدل هوش مصنوعی (LLM) روی رایانه شخصی باید دو تا کار انجام بدهیم. اول اینکه یکی از پلت فرم های اجرای لوکال مدل های هوش مصنوعی رو روی سیستم خودمون نصب کنیم. ابزارهای متنوعی برای اینکار وجود داره که به برخی از اونها اشاره می کنم.

1- Ollama : محیط بسیار ساده مانند chatgpt و مناسب برای کاربران جدید، توانایی های بسیار گسترده برای توسعه دهندگان از طریق خط فرمان
2- LM Studio : مناسب برای کاربران جدید و توسعه دهندگانی که دنبال یک ابزار آسان می گردند.
3- GPT4ALL : مناسب برای کاربرانی که دنبال امنیت بالا هستند.
4- llamafile : اجرای مدل با یک کلیک. مربوط به بنیاد موزیلا
5- Jan: یک ابزار برای ترکیب چند مدل
6- pinokio : ابزاری بسیار ساده برای استفاده از مدلهای هوش مصنوعی
7- Msty Studio: بسیار ساده، قابلیت استفاده از مدلهای ollama . توانایی استفاده بسیار ساده ازفایل ها برای آموزش مدل

اگر بار اولی است که می خواهید از این مدلها به صورت آفلاین استفاده کنید توصیه می کنم از Ollama استفاده کنید. هم ساده است و هم مدلهای آن به راحتی در دسترس است.

می توانید از سایت های داخلی نسخه مورد نظر خود را انتخاب کنید.

همچنین می توانید از این لینک هم Ollama را دانلود کنید.


در پست های آتی در خصوص انتخاب مدل توضیح خواهم داد.

پی نوشت:
البته قبل از دانلود و نصب این ابزارها، به این موضوع توجه داشته باشید که برای استفاده مناسب از این ابزارها باید رایانه ای با حداقل 16 گیگ رم و CPU نسل 5 به بالا داشته باشید. اگر سیستم شما قدیمی است یا مشخصات سیستم شما پایین تر از موارد ذکر شده است در اجرای مدل های مناسب دچار مشکل خواهید شد. دلیل این موضوع رو هم بعدا عرض خواهم کرد.

پایتون برای مالی

🆔 t.iss.one/python4finance
🆔 ble.ir/python4finance

برای دریافت سایر مطالب کانال لطفا در کانال بله عضو شوید.

ble.ir/python4finance

دانلود دیتاست های سری زمانی مالی

یکی از دغدغه های اصلی دانشجویان و اساتید برای انجام کارهای پژوهشی و همچنین تحلیل گران اقتصادی و مالی دسترسی به اطلاعات داده های سری‌های زمانی است. اطلاعات مربوط به شاخص های مهم، کوین های دیجیتال، سهام شرکت های مهم بین المللی ، نفت و فلرات گرانبها به شرح زیر از تاریخ 2021-04-12 تا 2026-04-08 یعنی 5 سال قرار داده شده است.
- شاخص بورس های بین المللی
شاخص S&P500
شاخص DowJones
شاخص بورس اروپا
شاخص بورس ژاپن
شاخص بورس کره
- اطلاعات کوین های مهم
شامل BTC-USDETH-USDSOL-USDXRP-USDADA-USDBNB-USD
- اطلاعات 50 شرکت مهم بین المللی
- اطلاعات نفت و فلزات گرانبها

🌐 دانلود اطلاعات سری‌های زمانی مالی

پایتون برای مالی
🆔 t.iss.one/python4finance
🆔 ble.ir/python4finance

دانلود 155 دیتاست آماده برای تمرین مدل‌های یادگیری ماشین و یادگیری عمیق

برای تمرین مدل‌های یادگیری ماشین و یادگیری عمیق می‌توانید از این دیتاست‌ها استفاده کنید. دیتاست‌ها از بخش های مختلف نظیر آب و هوا، مالی، پزشکی، زیست شناسی و ... تهیه شده است.

🌐 لینک دانلود دیتاست های آماده

پایتون برای مالی

🆔 t.iss.one/python4finance
🆔 ble.ir/python4finance

راه اندازی سریع یک سرور پایتونی

خیلی از اوقات پیش میاد که می خواهیم یک تعداد فایل رو بین چندتا رایانه به اشتراک بگذاریم. معمولا یکی از این سه تا راه رو انتخاب می کنیم:
- استفاده از فلش و هارد اکسترنال - استفاده از شبکه های اجتماعی -فعال کردن قابلیت اشتراک فایل در سیستم عامل

اما اگر می خواهید خیلی سریع و بدون هیچ دانشی فایل هاتون رو در یک شبکه داخلی به اشتراک بگذارید می تونید از پایتون کمک بگیرید. کافیه که دستور زیر رو در خط فرمان سیستم عامل (همون CMD در ویندوز یا ترمینال لینوکس) وارد کنید:

python -m http.server 80 --directory %USERPROFILE%\Desktop\

اینطوری خیلی راحت فایل های داخل دستکاپتون رو با هر کسی که آی پی شما رو بتونه ببینه به اشتراک می گذارید. خودتون کافیه آدرس 127.0.0.1 رو برای اطمینان از بالا بودن سرور در مرورگر فراخوانی کنید.
امیدوارم کاربردی بوده باشه

پایتون برای مالی

🆔 t.iss.one/python4finance
🆔 ble.ir/python4finance

دانلود python نسخه 3.14.4

چند روز پیش (18 فروردین) آپدیت 4 نسخه 3.14 منتشر شد. به این بهانه به بررسی ویژگی های جدید پایتون 3.13 نسبت به 3.14 که بهمن ماه منتشر شده می پردازیم.

1️⃣ تغییر بزرگ در type hints (PEP 649)
در 3.13: annotationها همان لحظه تعریف evaluate می‌شدند
در 3.14: به ‌صورت lazy (deferred) ارزیابی می‌شوند
2️⃣ معرفی نوع جدیدی از رشته‌ها Template Strings (t-strings)
3️⃣ استفاده از Subinterpreters در کتابخانه استاندارد و اجرای چند interpreter داخل یک process
4️⃣ دیباگ کردن بهتر ، امکان attach debugger به برنامه در حال اجرا و بدون نیاز به توقف برنامه
5️⃣ بهبود performance (چند تغییر مهم) حدود 3–5٪ سریع‌تر در برخی benchmarkها
6️⃣ بهبود REPL و تجربه کاربری ، syntax highlighting، autocomplete بهتر

🌐 لینک دانلود python 3.14.4

در پست‌های آتی به تشریح جزئی‌تر برخی از این به روزرسانی‌ها می پردازیم.
پایتون برای مالی

🆔 t.iss.one/python4finance
🆔 ble.ir/python4finance

معرفی کتاب «یادگیری ماشین در مالیِ کسب‌وکار با استفاده از پایتون» به انگلیسی «Machine Learning in Business Finance using Python»

اگر می خواهید یادگیری ماشین در مالی را یاد بگیرید و همزمان کد نویسی آن در پایتون را تمرین کنید این کتاب راهنمای خوبی خواهد بود. مباحث آن شامل روش‌های پیش‌بینی مانند رگرسیون لجستیک، بیز ساده، نزدیک‌ترین همسایه (k-NN)، ماشین بردار پشتیبان، جنگل تصادفی، گرادیان بوستینگ و انواع مختلف شبکه‌های عصبی است. همچنین معیارهای ارزیابی عملکرد و سنجش اهمیت ویژگی‌ها توضیح داده شده‌اند. این کتاب شامل مثال‌های کاربردی با داده‌های واقعی نیز هست و کدهای پایتون به‌صورت گام‌به‌گام با استفاده از Jupyter Notebook توضیح داده شده‌اند تا خوانندگان بتوانند خودشان تمرین کنند.
همچنین ریاضیات پایه یادگیری ماشین هم در مباحث ارائه شده و علاقه مندان به مباحث ریاضی و پایه ای هم از این کتاب استفاده خواهند کرد.

این کتاب توسط انتشارات World Scientific منتشر شده و سال چاپ آن 2025 است.

#معرفی_کتاب
#یادگیری_ماشین
#Machine_learning

پایتون برای مالی
🆔 t.iss.one/python4finance
🆔 ble.ir/python4finance

دانلود کتاب «یادگیری ماشین در مالیِ کسب‌وکار با استفاده از پایتون» به انگلیسی «Machine Learning in Business Finance using Python»

اگر می خواهید یادگیری ماشین در مالی را یاد بگیرید و همزمان کد نویسی آن در پایتون را تمرین کنید این کتاب راهنمای خوبی خواهد بود.
این کتاب توسط انتشارات World Scientific منتشر شده و سال چاپ آن 2025 است.

#دانلود_کتاب
#یادگیری_ماشین
#Machine_learning


پایتون برای مالی
🆔 t.iss.one/python4finance
🆔 ble.ir/python4finance

دانلود کتاب «The World Bank's MFMod Framework in Python with Modelflow»

مدل‌ Macro-Fiscal Model (MFMod) مجموعه‌ای از مدل‌های ساختاری اقتصاد کلان است که بانک جهانی برای پیش‌بینی وضعیت اقتصاد کشورها و تحلیل اثرات سیاست‌های مختلف بر روی آنها طراحی کرده است . این مدل برای بیش از ۱۸۰ کشور جهان ساخته شده و به ابزاری استاندارد برای اقتصاددانان بانک جهانی تبدیل شده است .
این مدل قادر است اثر سیاست‌های پولی و مالی، تغییرات نرخ ارز یا شوک‌های قیمت کالاها را بر متغیرهایی مانند تولید ناخالص داخلی (GDP)، تورم، نرخ بیکاری، تراز تجاری و بدهی دولتی شبیه‌سازی کند .
فرض کنید دولت یک کشور در حال توسعه قصد دارد مالیات بر کربن را برای کاهش آلودگی وضع کند. اقتصاددان وزارت اقتصاد با استفاده از مدل MFMod می‌تواند سناریوهای مختلف را اجرا کند و به سوالات زیر پاسخ دهد:
۱- این مالیات چه اثری بر نرخ رشد اقتصادی در کوتاه‌مدت و بلندمدت خواهد داشت؟
۲- آیا باعث افزایش نرخ بیکاری در صنایع انرژی‌بر می‌شود؟
۳- درآمد حاصل از این مالیات چقدر است و چگونه می‌توان از آن برای کاهش سایر مالیات‌ها یا حمایت از خانوارهای کم درآمد استفاده کرد؟
۴- چه اثری بر میزان انتشار کربن و کیفیت هوای شهرها خواهد داشت؟

این کتاب توسط کارشناسان بانک جهانی نوشته شده و هدف آن آموزش نحوه کار با چارچوب مدل‌های اقتصاد کلان بانک جهانی (MFMod) با استفاده از زبان برنامه‌نویسی پایتون و کتابخانه تخصصی ModelFlow می‌باشد.

#دانلود_کتاب


پایتون برای مالی
🆔 t.iss.one/python4finance
🆔 ble.ir/python4finance

دانلود کتاب «The World Bank's MFMod Framework in Python with Modelflow»


این کتاب توسط کارشناسان بانک جهانی نوشته شده و هدف آن آموزش نحوه کار با چارچوب مدل‌های اقتصاد کلان بانک جهانی (MFMod) با استفاده از زبان برنامه‌نویسی پایتون و کتابخانه تخصصی ModelFlow می‌باشد.

#دانلود_کتاب


پایتون برای مالی
🆔 t.iss.one/python4finance
🆔 ble.ir/python4finance

گزارش شاخص های هوش مصنوعی (AI INDEX REPORT 2026) دانشگاه استنفورد منتشر شد.

این گزارش از جنبه های مختلف به هوش مصنوعی پرداخته است و حقایق جالبی را از اتفاقات این چند سال در خصوص هوش مصنوعی بیان می کند.
چند نکته که بسیار در این گزارش مشهود است:
➖ با وجود رشد بسیار خوب چین در تولید مدلهای هوش مصنوعی، آمریکا همچنان پرچم دار توسعه مدل های هوش مصنوعی است.
➖ در چند سال اخیر توسعه مدلهای هوش مصنوعی ، از حالت کتابخانه ای و تحقیقاتی (آکادمیک) به سمت صنعت میل کرده است.
➖ در خلال سال های اخیر حجم محتوای تولید شده توسط هوش مصنوعی با محتوای تولید شده توسط انسان تقریبا برابر شده است.
➖ آمریکا تقریبا به اندازه تمام دنیا زیرساخت پردازشی (دیتاسنتر) هوش مصنوعی در اختیار دارد.
➖ پذیرش هوش مصنوعی در جوامع به طور متوسط به 53% و در سازمان ها 88% رسیده است.

اگر علاقه مند به هوش مصنوعی هستید، مطالعه این گزارش ارزشمند را به شما توصیه می کنم.

پایتون برای مالی

🆔 t.iss.one/python4finance
🆔 ble.ir/python4finance