دانلود کتاب «تحلیل داده های مالی با پایتون» به انگلیسی «Data Analytics for Finance Using Python»
یک کتاب جمع و جور برای علاقه مندان به تحلیل داده های مالی

#دانلود_کتاب
#پایتون_مالی

پایتون برای مالی

🆔 t.me/python4finance
🆔 ble.ir/python4finance

ویژگی های جدید پایتون 3.13

نسخه پایدار پایتون 3.13 هفتم اکتبر یعنی حدودا یکماه و نیم پیش منتشر شد. طبق معمول پیشرفت های بسیار خوبی در بخش های مختلف پایتون داده شده است که کارکردن با این زبان محبوب را جذاب تر می کند.
1️⃣ بهبود نمایش خطاها
در نسخه 3.13 پایتون، نمایش خطاها بهبود مناسبی پیدا کرده اند. مثلا خطاها با رنگ های مختلف نشان داده می شوند. همچنین در هنگامی که یک فایل مشابه با نام یک ماژول در پوشه جاری داشته باشید، پایتون با یک پیام خطای صحیح شما را متوجه این موضوع می کند. (در یکی از پروژه ها وجود فایلی همنام با یک ماژول چند ساعت وقت کل تیم ما را گرفت😐)
2️⃣ اضافه شدن JIT (Just-In-Time)
یکی از دغدفه های برنامه نویسان پایتون همواره سرعت اجرای برنامه ها بوده است. برخی زبان های دیگر با ارائه JIT این موضوع را حل کرده بودند. در نسخه 3.13 کامپایلر JIT به صورت پیشفرض غیر فعال است، اما در صورت فعال شدن می‌تواند در بهبود کارایی پروژه مفید باشد و در آینده در ورژن‌های جدید پایتون، کامل‌تر خواهد شد.
3️⃣ پشتیبانی از IOS
در این نسخه از پلت فرم IOS شامل آیفون و آی پدهای بعد از سال 2013 که دارای ساختار arm64-apple-ios پشتیبانی می‌شود.
4️⃣ حذف ویژگی‌های قدیمی و ناکارآمد

البته اینها موارد کاربردی و مهم تغییرات این نسخه هستند و میزان بهبود ها بسیار بیشتر است. اگر به این موضوع علاقه مند بودید سری به این آدرس بزنید.

🔈 نکته: همیشه توصیه می شود اگر در حال حاضر پروژه فعالی را با پایتون های قدیمی تر دارید، آپدیت به نسخه جدید را با یکی دو ماه تاخیر انجام دهید. معمولا در ابتدای ارائه ورژن های جدید، برخی ماژول ها دچار مشکل می شوند که عموما تا یکی دو ماه بعد نسخه جدید آنها هم ارائه می شود.

#پایتون3.13
#python3.13
#new_features

پایتون برای مالی

🆔 @python4finance

دانلود کتاب «مالی تر و تمیز با پایتون» به انگلیسی «Tidy Finance with Python »

سایت کتاب

#معرفی_کتاب
#پایتون_مالی

پایتون برای مالی

🆔 t.me/python4finance
🆔 ble.ir/python4finance

چالش اعداد اعشاری در پایتون!
یکی از مشکلاتی که در برخی زبان های برنامه نویسی از جمله پایتون با آن مواجه می شویم، چالش کار با اعداد اعشاری است. به دو عبارت زیر توجه کنید:

0.1 + 0.1 == 0.2 True 0.1 + 0.1 + 0.1 == 0.3 False

مساله از اینجا شروع می شود که پایتون برای محاسبات خود، اعداد را به باینری تبدیل می کند که این مسئله، محاسبات اعداد اعشاری را در برخی موارد دچار مشکل می کند.
برای حل این موضوع می توان از تابع isclose در ماژول math استفاده کرد.

math.isclose(0.1 + 0.1 + 0.1, 0.3) True

لازم است در تحلیل هایی که نیاز به بررسی اعداد اعشاری دارند، این مورد را حتما در نظر بگیرید.

پایتون برای مالی

? @python4finance

اصل گزارش بالا به پیوست تقدیم می شود.

#هوش_مصنوعی
#مکینزی
#Mckinsey
#AI

پایتون برای مالی

? t.me/python4finance
? ble.ir/python4finance

استخراج قیمت ماهیانه نات کوین (Notcoin)

\#code by @python4finance import pandas as pd import requests import time import matplotlib.pyplot as plt plt.style.use("ggplot") url="https://www.kucoin.com/\_api/order\-book/candles?begin="+str(round(time.time())\-2592000 )+"&end="+str(round(time.time()))+"&lang=en\_US&symbol=NOT\-USDT&type=1hour" r = requests.get(url) df=r.json() df=pd.DataFrame(df["data"]).astype(float) df=df[::\-1].reset\_index() df[1].plot(figsize=(16,6))

#api
#NOTCOIN

پایتون برای مالی
? t.me/python4finance
? ble.ir/python4finance

مروری بر قانون هوش مصنوعی اروپااین قانون در دسامبر 2023 و بعد از سه سال کار روی پیش نویس اولیه تصویب شده است. اخیرا دیدم که مجددا بحث در خصوص این قانون داغ شده است و تصمیم گرفتم ترجمه خلاصه ای از آن را در کانال ارائه کنم.
رویکرد ارائه شده در این قانون، رویکرد مبتنی بر ریسک است.
قانون هوش مصنوعی یک رویکرد مبتنی بر ریسک را برای دسته بندی برنامه های هوش مصنوعی بر اساس تأثیر بالقوه آنها بر حقوق بشر و ایمنی اتخاذ می کند. این رویکرد اجازه می دهد تا الزامات نظارتی متفاوتی وجود داشته باشد و اطمینان حاصل شود که برنامه های کاربردی با ریسک بالاتر تحت نظارت دقیق تری قرار دارند.
برنامه های غیرقابل قبول هوش مصنوعی
قانون هوش مصنوعی صراحتاً برخی از برنامه های کاربردی هوش مصنوعی را که به دلیل احتمال آسیب رساندن به افراد یا جامعه «غیرقابل قبول» تلقی می شوند، ممنوع می کند. این موارد عبارتند از:
- امتیازدهی اجتماعی: سیستم هایی که افراد را بر اساس رفتار یا ویژگی هایشان امتیاز می دهند، مشابه سیستم اعتبار اجتماعی مورد استفاده در برخی کشورها.
- پیش بینی رفتار مجرمانه: سیستم های هوش مصنوعی برای پیش بینی رفتار مجرمانه استفاده می شود که می تواند منجر به نتایج مغرضانه و ناعادلانه شود.
- شناخت عاطفی: به ویژه در محیط های حساس مانند محل کار و مدارس، جایی که چنین فناوری می تواند به حریم خصوصی نفوذ کند و منجر به تبعیض شود.

سیستم های هوش مصنوعی پرخطر

سیستم‌های هوش مصنوعی پرخطر آن‌هایی هستند که پیامدهای مهمی برای سلامت، ایمنی و حقوق اساسی دارند. این موارد عبارتند از:
- وسایل نقلیه خودران: سیستم‌های هوش مصنوعی مورد استفاده در خودروهای خودران که باید تحت ارزیابی‌های ایمنی دقیق قرار گیرند.
- ابزارهای پزشکی: کاربردهای هوش مصنوعی در مراقبت‌های بهداشتی که برای اطمینان از ایمنی بیمار نیاز به اعتبارسنجی دقیق دارند.
- امور مالی و آموزش: سیستم‌های هوش مصنوعی مورد استفاده در این بخش‌ها باید برای جلوگیری از سوگیری‌هایی که می‌توانند منجر به رفتار یا نتایج ناعادلانه شوند، ارزیابی شوند.

با دسته‌بندی برنامه‌های هوش مصنوعی به این شیوه، قانون هوش مصنوعی تضمین می‌کند که تلاش‌های نظارتی در جایی متمرکز می‌شوند که بیشتر مورد نیاز است، در نتیجه از افراد و جامعه در برابر آسیب‌های احتمالی محافظت می‌کند و در عین حال امکان نوآوری در مناطق کم‌خطر را فراهم می‌کند.

#AI_ACT
#AI
#قانون_هوش_مصنوعی
#هوش_مصنوعی

پایتون برای مالی
? t.me/python4finance
? ble.ir/python4finance