یه بحثی اونروز سر یک پروژه scheduling که ماه‌هاست در حال پیشرفت هست با اعضای تیم انجام می‌دادیم.

در واقع ما هر وقت از LLM ها برای پروداکت استفاده کردیم نتایج اش اونوقدر نیاز به وریفای داشت که بهتر بود از اول مینوشتیم، در واقع شاید برای کارهای بیسیک و اینکه بدونی خروجی کارت چیه ازش استفاده کنی اما وقتی کار بزرگ هست، واقعا دادن یه فاز کار به llm ها خروجی جالبی تهش نداره. این بحث تخصصی هست اما علت پست من این نیست،

واقعا اینکه nvidia برنده این بازی LLM ها هست بحثی نیست، تقریبا هیچ کس اندازه اونا سود نکرده، نه دولوپر ها و نه استفاده کننده ها. این بحث های 'دنیای که نیاز به یادگیری کدینگ نداری' واقعا برام علامت سوال بزرگی هست، آدمی در حد Jensen که اینهمه دنباله رو داره واقعا بخاطر مارکتینگ یه همچین چیزی رو میگه واقعا ناراحت کننده هست!

بلاخره اینا کارشون فروش هرچی بیشتر gpu هست، اما وقتی این ایده با وجود شرکت های مثل deep seek که با ۶ میلیون دلار تونستن از openai مدل بهتری بسازن ، اونوقت دیگه بازی عوض میشه . چیزی که یه آنالیزور اقتصادی از میزان سود nvidia حساب میکرده میشه نصف !
اینجوری میشه که امروز قبل از اپن بازار، ۱۱ درصد افت کرده و از سقف نزدیک ۱۸ درصد ( فعلا)،

تهش این هایپ ادامه داره و اینا به روند پر سودشون ادامه خواهند داد، اما نکته جالب تغییر پیشبینی های مالی ماست که چطوری میتونه واقعا با یک پدیده جدید اینجوری بسرعت عوض بشه.

فعلا این بحث deep seek خیلی تبعات خواهد داشت. حتی تبعات تغییر نحوه سرمایه گذاری هج فاندها روی شرکتهای متنوع بجای تمرکز صرف به آمریکا،

من همیشه وقتی دانشجوی خودم رو اینجا میدیدم، قشنگ اخر ترم چینی ها با وجود ساکت بودن، یه سر و گردن بهتر از باقی هستن، هم از لحاظ تعهد کاری که حتی اگه چیزی رو نمیدونن توی ۳ ماه میرن متخصص کار میشن و هم اینکه الکی هیچوقت ادعا و های هوی مثل اروپایی ها و هندی ها ندارن.

این روحیه نتایج اش رو توی علم و صنعت داره نشون میده، از اونور BYD و اینم deep seek


اپدیت: 🤩🤩
فعلا Nvidia امروز تا ۱۸ درصد هم ریخت، بزرگترین ریزش یک سهم در یک روز از نظر مالی در تاریخ سهام آمریکا! ◻️

اخباری میاد که Deep Seek کلی پردازنده H100 برای شرکت نویدیا داشته، این احتمال زیاد بازی سیاسی میتونه باشه، در واقع وقتی شما با این میزان هزینه کم بتونی خدماتی در حد open ai رو بدی، بی‌شک هزینه عملیاتی ات خیلی کمتر هست.

@machinelearningnet2

🔸ورژن جدیدی از Skfolio رلیز شده (ر.ک به پست قبلی)
کار جذاب این ورژن اضافه کردن سینتتیک دیتا برای بهینه سازی پرتفولیو هست. 💠

They can now perform portfolio optimisation using synthetic data (GANs, VAEs, Vine Copulas, etc.) and run extreme yet plausible stress tests.

اضافه کردن دیتای سنتتیک برای حتی ترین مدلهای فورکاست توی فاینانس خیلی مهم هست، ✔️
ما توی پرزنت های کتاب دپرادو که توی آپارات هست، در فصل ۱۳ کتاب درباره همین مدلهای تولید داده های شبیه مارکت پرزنت داشتیم، ✅
اینکه vae و gan بتونه کاری بکنن من شک دارم اما مدل Vine Copulas شون مدل جدیدی هست 🫥

@machinelearningnet

وقتی در بازار crash اتفاق میوفته، اصولا بازار بصورت کاملا همبسته میریزه، مدلهای پرتفولیو که بر اساس کورولیشن کار میکنن، سهامی که فقط اندکی از روند کورولیشن بازار متفاوت هستن رو وارد پرتفولیو میکنن و اصولا پرتفولیو تبدیل به یک مدل ناکارآمد میشه، ⛔
این اتفاق در نمودار بالا هم مشخصه ( تبدیل شدن نمودار در زمان از آبی به قرمز شدید )
که علنا در زمان کوید بازار شدیدا کورولیشن بالایی گرفته و مدلها ناکارامد شده، ⭐️



شما چه پیشنهادی برای درست کردن پرتفولیو در زمان کرش بعدی دارین ؟🧠

@machinelearningnet2