@machinelearningnet

Wow! 😱🚀
WizardCoder 34B outperformed GPT4, brad and claude on HumanEval. It is fine tuned version of Code Llama ( introduced yesterday) !

The 67% by GPT4 is the official report of Open.ai and the 72.5%(GPT3.5) and 82% (GPT4) are by the wizardlm team.

#crazyworld!

All the codes and analysis are opens source here

#چه_خبرتونه! #اونوقت_خبر_بالا😔

#مرگ-آزاد-اندیشی #مرگ-عدالت-خواهی
#مرگ-تفکر

این خیلی خوبه. میتونید کدهاتون رو با brad, chatgpt و code Llama آنالیز کنید و نتایج رو توی گروه بحث کنید 👌

Meta released Code Llama 🚀 today - an LLM for code generation. It is built on top of Llama 2, and it includes the following functionality:
✅ Code generation based on user prompts
✅ Code completion
✅ Code debugging
✅ Supporting languages such as Python, C++, Java, PHP, Typescripts (JS), C#, and Bash

In addition, the model is available in the following formats:
➡️ Code Llama foundation code model
➡️ Python specialized for Python
➡️ Insturct - a fine-tuned for understanding natural language instruction

The Code Llama is free for research and commercial use.

License: Under the Llama license

Code: https://github.com/facebookresearch/codellama
Post: https://ai.meta.com/blog/code-llama-large-language-model-coding/
Paper: https://scontent-sjc3-1.xx.fbcdn.net/v/t39.2365-6/369856151_1754812304950972_1159666448927483931_n.pdf?_nc_cat=107&ccb=1-7&_nc_sid=3c67a6&_nc_ohc=BnkB4kcpz5AAX-DSuY0&_nc_ht=scontent-sjc3-1.xx&oh=00_AfAK5Q5aZ3q4RnGb-r3HHXgj7Vs-mICG9lGfUTxEI_Gm_w&oe=64ECB20F

Pandas Course 👇🏼

FreeCodeCamp released a course - Pandas for Data Analysis by Example. The course is for beginners with no previous experience with Pandas, focusing on the following topics:
✅ Pandas DataFrame
✅ Data analysis
✅ Data filtering and sorting
✅ Data wrangling

➡️ Course: https://www.youtube.com/watch?v=gtjxAH8uaP0

A course for deep learning and machine learning with PyTorch! 🚀🚀🚀

FreeCodeCamp released a course for deep learning and machine learning with PyTorch to YouTube by Daniel Bourke. The course is 24 hours (!), and it covers the following topics:
✅ PyTorch Fundamentals
✅ PyTorch Workflow
✅ Neural Network Classification
✅ Computer Vision
✅ Custom Datasets

Resources 📚
➡️ Video: https://www.youtube.com/watch?v=V_xro1bcAuA&ab_channel=freeCodeCamp.org
➡️ Code: https://github.com/mrdbourke/pytorch-deep-learning
➡️ Course materials: https://www.learnpytorch.io/

Thanks to Daniel and FreeCodeCamp for making this resource available for free! 🙏🏼

تعدادی از بچه های این گروه امسال از دانشگاه‌های آمریکا و اروپا پذیرش دکترا گرفتن،
تبریک به همه بچه ها 🌺

پنج نفر از این دوستان، از کسانی بودن که با من مقاله دارن کار میکنن یا توی دیپ فاینانس بودن، یه تبریک ویژه هم به اونا😊😜

احتمالا یه جلسه در اینده بزاریم و درباره تجربه اپلای و رزومه و پوزیشن ها مقداری حرف بزنیم، من سعی میکنم یکی دو نفر از همین بچه ها رو هم اونجا داشته باشیم و چند نفر استاد توی اروپا یا آمریکا رو هم دعوت کنم،

#تبریک🙏🌺

The Multimodal Machine Learning course by Prof. Louis-Philippe Morency from Carnegie Mellon University

This course focuses on the fundamental mathematical concepts in machine learning and deep learning. The course materials (slides, code, and video lectures) are now publicly available.

Resources 📚
Course website: https://cmu-multicomp-lab.github.io/mmml-course/fall2022/
Lectures: https://www.youtube.com/playlist?list=PL-Fhd_vrvisNM7pbbevXKAbT_Xmub37fA
Code: https://github.com/CMU-MultiComp-Lab

Images credit: Course slides

Advanced Python Course 🚀🚀🚀

FreeCodeCamp released a course - Create a Programming Language and Learn Advanced Python, by Aryaan Hegde. The course focuses on advanced topics in Python, such as:
✅ Object-oriented programming
✅ Data structure
✅ Recursion
✅ Building algorithms

Video: https://www.youtube.com/watch?v=1WpKsY9LBlY&t=38s&ab_channel=freeCodeCamp.org

#python #computerscience #datascience #dataengineering

#Python Course 🚀🚀🚀

FreeCodeCamp released a course from Harvard University - Introduction to Programming with Python by Prof. David J. Malan. The course is for beginners with no previous programming experience focusing on the following topics:
✅ Functions and variables
✅ Conditionals and loops
✅ Libraries and unit tests
✅ Regular expressions
✅ Object-oriented programming

Resources 📚
➡️ Course: https://www.youtube.com/watch?v=nLRL_NcnK-4&ab_channel=freeCodeCamp.org
➡️ Slides: https://cs50.harvard.edu/python/2022/

Thanks to the freeCodeCamp ❤️ for keep creating and sharing great content!

از مهمترین اِلمان های که در زمینه بررسی روند حرکتی سهام ( یا کریپتو) باید مورد بررسی قرار بگیره، انتخاب فیچرهای درست هست،

در واقع در پرزنت های کتاب ها به تکرار بحث کردیم که بکتست ابزاری برای ساخت استراتژی نیست، یعنی نمیتونی هی استراتژی رو بالا پایین کنی و بکتست کنی که به جواب درست برسی، اما فیچرها و انتخاب فیچرهای مهم یک ابزار قوی برای تئوری سازی هست.


مشکلی که برای انتخاب فیچرها هست اینکه روابط بین اونارو ما اصولا با رگرسیون یا کورولیشن بدست میاریم که اینا اصولا مدل های خطی هستن و دنیای مالی کاملا غیرخطی هست! ،

یکی از بهترین ابزارهای غیر خطی برای این کار transfer entropy هست که داره میگه میزان انتقال اطلاعات از یک سورس ( فیچر) به سورس دیگر چقدر هست. این اپروچ میتونه به عنوان یک مدل feature evaluation حساب بشه و بدرد مسائل فورکاستینگ یا کلاسیفیکیشن بخوره،
در مقاله ای که بتازگی با نوید عزیز چاپ کردیم، داریم این اپروچ و تاثیرش در پیشبینی قیمت بیتکوین رو بررسی میکنیم،

در این لینک توضیحاتی در باره مقاله و لینک مقاله رو میتونید دسترسی داشته باشین

سلام دوستان، احسان عزیز دوتا پکیج جالب برای گرفتن دیتا از تریدینگ ویو و ساختن پورتفولیو رو بصورت اپن سورس قرار داده، اینجا هم من شیر میکنم که دسترسی به پکیج ها راحتر باشه،

پ.ن. لطفا اگه کسی پکیجی داره که دوست داره شیر بشه و مورد استفاده قرار بگیره. میتونه پیام بده و اینجا معرفی اش میکنیم،

یک لیست از کمپانی های ارائه خدمات مالی، که احتمالا با چندتاشون مثل تریدینگ ویو کار کردین،
اینا برای آنالیز مارکت و ترید، هر کدوم طبق کانسپ شرکت ابزار های جالبی توسعه دادن،

شرکت های در زمینه ی انالیز etf ها هم جالب بود،

@machinelearningnet

IBM is offering Deep Learning with Python and PyTorch course for FREE! 👩🏻‍💻

Topics covered:
- Classification
- Neural Networks
- Deep Networks
- Computer Vision Networks
- Computer Vision Networks
- Dimensionality Reduction and Auto-encoders

📌 Course link: https://www.edx.org/course/deep-learning-with-python-and-pytorch