🚀 $BTC almost near to $50K level😳

موسسه هادسون تیمز تعدادی از پرزنت های کتاب خوانی خودشون رو توی یوتیوب بارگذاری کردن، سطح پرزنت خیلی بالا هم نیست اما برای این‌که با مقاله و موضوع آشنا بشین خوبه. بعدش میتونید دقیق تر مقاله هارو بخونید،
نزدیک ۳۰ تا ویدئو هست که تاپیک اکثرشون جالب بودن،
مثلا این یکی در مورد لید لگ هست که مدتی ما روی این موضوع در حال مطالعه و ریسرچ هستیم،
https://www.youtube.com/watch?v=RScCDpLvGTw

باقی فیلم ها هم از همین یوتبوشون میتونید ببینید.‌

اینا بیشتر از بحث های اخیر، بدرد میخوره 😉🌺


@machinelearningnet

Microsoft Finance Time Series Forecasting Framework

The Microsoft Finance Time Series Forecasting Framework, aka finnts or Finn, is an automated forecasting framework in R for producing financial forecasts. While it was built for corporate finance activities, it can easily expand to any time series forecasting problem!

*Automated feature engineering, feature selection, back testing, and model selection.

*Access to 25+ models. Both univariate and multivariate models.

*Azure integration to run thousands of time series in parallel within the cloud.

*Supports daily, weekly, monthly, quarterly, and yearly forecasts.

*Handles external regressors, either purely historical or historical+future values.

Github: https://microsoft.github.io/finnts

بیت کوین ۵۷تا! هفته دیگه، به امید خدا، ۱۰۰ هزار دلاره.
اصلاح هم فقط برای آرایشگاه هاس😜.

پ.ن. حالا بدور از این مساله ترید، دیروز ۹۰۰۰ تا بیتکوین برای ETF ها خرید شده درحالی‌که فقط ۹۰۰ تا بیتکوین ماین شده. این میزان ماین تقریبا یک ماه دیگه نصف خواهد شد، خوب واقعا اگه همین قدر تقاضا باشه ، ۱۰۰k قیمت بیتکوین رو هم خواهیم دید😏

پ.ن.۲. چند ساعت نکشید، شد ۶۰k , بزودی ATH رو خواهد زد! 💥🥸

سلام دوستان، چند روز پیش در کامنتی، در مورد اعتماد و تعهد کاری اینجا بحث شد،
اتفاقی که افتاده بود در واقع بخاطر فشار زیادی بود که روی دانشجوهای ایرانی الان هست، و گاها اتفاقات درستی نمیوفته که تقصیر کسی هم نیست و بخاطر فشار سیستماتیکی هست که بر ذهن بچه ها وارد میشه.
اون مساله کامل حل شد اما راستش چیزهای جدیدی اتفاقا یاد گرفتم،

به این فکر افتادم که یه جلسه بزاریم باهم حرف بزنیم که انتظار شما از سوپروایزر و یا همکار تحقیقاتی تون چیست، واقعا چون این اتفاق برای من افتاده بود و استادی فقط بخاطر یک امضا، اسم اش رو مجبور شدم بزنم توی مقاله ای، میخوام شما هم نظرتون رو بگین، که واقعا وقتی با یه استادی کار میکنید چه انتظاراتی ازش دارین، از کدینگ و ایده بگیرید تا نوشتن و سابمیت مقاله و شاید ریکامند بعدش و حتی همکاری با استاد بعد از ریسرچ.

یه جلسه لایو یکساعته چهارشنبه ساعت ۸ شب همین تلگرام دوست دارم بزاریم و نظراتتون رو بحث کنیم.

خیلی خوب میشه سوالاتتون رو مستقیم این مدت بهم بفرستین و در جلسه درباره شون حرف بزنیم،
ارادت 🌺

سلام دوستان، امروز ساعت ۸ ( ایران)، لایو تلگرام خواهیم داشت در مورد نقش سوپروایزر در ریسرچ ها و پایان نامه ها و البته بصورت اختصاصی در حوزه یادگیری ماشین و مالی.

جلسه بصورت سوال و جواب خواهد بود و agenda دقیقی برای جلسه نخواهد بود و بیشتر هدف اینکه انتظارات شما رو بدونیم.

از اساتید هم اگه کسی بود دعوت میکنم تشریف بیارن، سوالات رو هم میتونید قبل از جلسه برای من بفرستین، یا توی گروه بپرسین،

اصولا ما همیشه جلسات تخصصی برگزار میکردیم ، اما این جلسه و یه جلسه دیگه ی در مورد اپلای برای حوزه مالی و دیتا رو سعی میکنم ترتیب بدم که بتونیم دید وسیعتری نسبت به ادامه مسیر داشته باشین،
ممنون🌺

سلام دوستان.
فیلم جلسه اخیر درباره نقش سوپروایزر در دوره دکترا رو در یوتیوب آپلود کردم،
البته تقریبا نصف بیشتر مباحث در مورد اپلای دکترای فاینانس بود، و مباحث در رابطه با اپلای و پروپوزال،
امیدوارم مطالب براتون مفید باشه🌺،

https://youtu.be/ZEjH6Ulq57s

سلام، فرصت تحصیل دکترا

https://www.linkedin.com/posts/sasan-barak-11808236_business-studies-activity-7183874909465387009-yfzE?utm_source=social_share&utm_medium=member_android&utm_campaign=copy_link

لطفا فقط در صورت تکمیل بودن مدارک و پروپوزال اقدام کنید،

سلام دوستان، ما یه پروژه اسکجولینگ توی متلب انجام دادیم که نزدیک ۳k خط کد هست، بحث تخصیص آدم ها با تخصص مختلف به ماشین ها و تخصیص اون ماشین به کار و تسک های مختلف کار هست،
این رو باید تبدیل به یک پروژه cpp کنم. این یک پروژه small grant برای دانشگاه ساوتهمتون هست که هزینه ی کار هم برای بازه ۱-۲ ماه پرداخت میشه، از دوستانی که تبحر توی cpp دارن، اگه میشه لطفا رزومه شون رو بهم بفرستن که بتونم فرد مناسب رو برای این پروژه انتخاب کنم، پروژه باید سریع جمع بشه و ترجیحا کسی رو میخوایم که بتونه زمان خوبی برای این پروژه بزاره،

سلام دوستان،
همیشه من میگم مصورسازی قسمت اعظم یادگیری رو شامل میشه، برای چند تا تاپیک خیلی مهم در AI , جناب Grant Sanderson ویدیوهای بسیار عالی ساختن که توضیحات مدلهارو بصورت شهودی یاد میگیرین. خیلی جذاب بود 😊

1. Backpropagation Calculus

https://www.youtube.com/watch?v=tIeHLnjs5U8

2. Transformers
https://youtu.be/eMlx5fFNoYc?si=iFnJLOx__9qu5hq0


3. GPT
https://youtu.be/wjZofJX0v4M?si=JQIZtYLxfiXw4Lrg

خبر مهم 🌺👌

میشه گفت بهترین استراتژی ترید برای scale up کردن میزان asset under management، استراتژی های مارکت نیوترال یا دلتا نیوترال هستن.

این استراتژی ها اصولا بدون توجه به اینکه مارکت بالا یا پایین میره، سودسازی خودشون رو انجام میدن،
یک گروه وسیعی از مدل های مارکت نیوترال، مدلهای pair trading هستن که بر اساس تفاوت روند کراس کوین ها یا سهام سیگنال‌های خرید و فروش صادر میشه.

دسته های مختلفی دارن که شامل Copula, cointegeration, codependence, distance , stochastic , و ml میشن.

تو این حوزه، یه پکیج خیلی جالبی وجود داشت که پولی بود ( ۱۰۰۰ دلار) و امروز هادسون و تیمز تصمیم گرفتن اپن سورس کنن💥
بنظرم فضای عالی برای ریسرچ و درست کردن استراتژی های خوب ارائه میده،

دسترسی به کدها :
https://github.com/hudson-and-thames/arbitragelab

دسترسی به نت‌بوک پروژه که در واقع در حد یک کورس درسی جذابه
https://hudson-and-thames-arbitragelab.readthedocs-hosted.com/en/latest/

نت‌بوک ها

https://github.com/hudson-and-thames/arbitrage_research

بنظرم دوستانی که علاقمند به کوانت هستن، این میتونه شروع فوق العاده ی باشه که با مدلهای متفاوت این حوزه آشنا بشن 👌

@machinelearningnet
موفق باشین🌺

ماهنامه oxford -man منتشر شد. مقاله deep limit order book برای من خیلی جالب بود. بنظرم بهترین سورس داده برای پیشبینی همین دیتاهای order book هست، یه پکیج آماده هم به اسم lobframe ارائه کردن،

خیلی سوالاتی در مورد ریسرچ و پروپوزال توی این حوزه ازم میشه، پست های دیروز و امروز، میتونه همه زمینه های خوبی برای ریسرچ باشه👌

@machinelearningnet

اینا حتی برای تحقیقات عملی هم میتونه بدرد بخوره،

پوستر مقاله Lobframe

در واقع یه مقاله قبلا در گروه معرفی کرده بودیم به اسم DeepLob که از همون کانسپت استفاده میکنه

توی این لینک میتونید مقالات مرتبط رو پیدا کنید

https://www.tgoop.com/machinelearningnet2/431

#فراخوان_مقاله

▫️از ۳۰ مقاله که برای این فراخوان صد هزار دلاری ارسال شده بود، ۵ مقاله برای ارائه و تصمیم گیری نهایی انتخاب شده. با افتخار یه تیم نویسندگان ایرانی هم در این لیست حاضره که ارائه شون امروز ساعت ۱۸:۳۰ به وقت ایران خواهد بود. شرکت برای عموم با ثبت نام امکان پذیر هست. لیست مقالات و تاریخ ارائه شون در تصویر اومده. دانلود مقالات هم از طریق لینک های زیر مُیَسّره:

- Modeling Systemic Risk: A Time-Varying Nonparametric Causal Inference Framework by Jalal Etesami, Ali Habibnia, Negar Kiyavash

- Building Probabilistic Causal Models using Collective Intelligence by Olav Laudy, Alexander Denev, Allen Ginsberg

- Causal Discovery in Financial Markets: A Framework for Nonstationary Time-Series Data by Agathe Sadegh, Achintya Gopal, Mohammad Fesanghary

- Discovering Causal Models with Optimization: Confounders, Cycles, and Instrument Validity by Frederick Eberhardt, Nur Kaynar, Auyon Siddiq

- Getting More for Less - Better A/B Testing via Causal Regularization by Kevin Webster, Nicholas Westray

@FinPy

اگر بتونیم مزیت الگوریتم یادگیری شبکه عصبی (gradient backpropagation) رو با الگوریتم مدل‌های boosting بر مبنای درخت تصمیم مثل XGboost که پادشاهان Tabular Data هستند به صورت بنیادی ترکیب کنیم به چه مدلی میرسیم؟

مدل قدرتمند جدیدی در Tabular Dataبه نام GRANDE که بر اساس ایده Gradient Decision Tree ساخته شده و تونسته در اکثر دیتاست‌ها، از جمله Numerai (مسابقه معروف در پیشبینی بازار مالی با دیتاساینس) از XGboost و Catboost که تا به حال بهترین بودن عملکرد بهتری داشته باشه.
پکیج GRANDE رو میتونید با pip نصب کنید.
GRANDE: Gradient-Based Decision Tree Ensembles

کمی عمیق تر:
مسئله اصلی این هست که الگوریتم‌های درخت تصمیم و الگوریتم ترکیب درخت‌ها در boosting ها به صورت greedy هست که باعث ایجاد محدودیت در فضای جستجو و همچنین overfitting میشه. به همین دلیل نیاز هست تا فرآیند‌هایی مثل split به صورت differentiable بشه و بعضی موارد non-differentiable مدیریت بشن. بعد از این امکان بهینه کردن بنیادی پارامترهای درخت تصمیم و ensemble رو خواهیم داشت. و حتی میتونیم برای split values، split indices، leaf weights و leaf به طور جداگانه learning rate داشته باشیم. برای فهم دقیق الگوریتم مقاله‌های اصلی رو بخونید:
GRANDE paper : ICLR 2024
GradTree paper : NeurIPS 2023

@deeptimeai

تعداد ۳۶ هزار بازدید ویدیو برای یک گروه کاملا تخصصی که مطالب پرزنت هاش خیلی هم سخته 😄

باورنکردنی هست، 🙈😍

واقعا از تیم ارائه ها، تلاش چندین ساله گروه کتابخوانی و همه ی دوستانی که با همدیگر نزدیک ۹۰ تا ارائه آماده کردیم صمیمانه تشکر میکنم،

پرزنت های بسیار جذابی در بین ارائه ها هستن که سطح شون از برترین کلاس های دانشگاههای اروپایی هم بالاتره،

دست مریزاد💥

مارا به سخت جانی خود این گمان نبود🙏

لینک فیلم های پرزنت های گروه
https://www.aparat.com/DrSasanBarak/videos

@machinelearningnet