Telegram Group & Telegram Channel
بهترین کتابخانه های یادگیری ماشین

۱- کتابخانه‌ی scikit-learn بر پایه‌ی NumPy و SciPy شکل گرفته است و با افزودن مجموعه‌ای از الگوریتم‌های یادگیری ماشین، برای انجام امور یادگیری ماشین و داده کاوی رایج (مانند طبقه بندی، خوشه بندی و رگرسیون) مورد استفاده قرار می‌گیرد. scikit-learn بسیار وسیع است. توابع و قابلیت‌های موجود در این کتابخانه بصورت دقیق مستند شده است و همچنین توسعه دهندگان این کتابخانه از افراد حرفه‌ای و خبره‌ در زمینه‌ی یادگیری ماشین می‌باشند.

۲- کتابخانه‌ی Theano از سینتکسی شبیه به NumPy، برای بهینه سازی و ارزیابی عبارت‌های ریاضی استفاده می‌کند. این کتابخانه برای کارایی بهتر از GPU ِ کامپیوتر به منظور انجام محاسبات فشرده، در کنار CPU کمک می‌گیرد که این امر باعث افزایش سرعتی نزدیک به ۱۰۰ برابر می‌شود. سرعتِ Theano، این کتابخانه را برای زمینه‌هایی چون یادگیری عمیق (deep learning) و سایر محاسبات پیچیده ارزشمند ساخته است.

۳-کتابخانه TensorFlow یکی دیگر از کتابخانه‌های موجود در زمینه‌ی یادگیری ماشین است. این کتابخانه توسط Google بصورت متن باز توسعه داده می‌شود و به عنوان جایگزینی برای DistBelief، به منظور آموزش شبکه‌های عصبی در نظر گرفته شده است. TensorFlow از سیستمی با گره‌های چند لایه استفاده می‌کند که ما را قادر می‌سازد تا بتوانیم به راه اندازی، آموزش و گسترش شبکه‌های عصبی مصنوعی، بر روی مجموعه داده‌های عظیم بپردازیم. Google با استفاده از همین ابزار است که می‌تواند اشیاء مختلف را درون یک عکس شناسایی کرده و همچنین در ابزار تشخیص صدا، صدا‌های مختلف را شناسایی کند.

در پست های آتی به کاربرد یادگیری ماشینی در اقتصاد و مالی خواهیم پرداخت.

#یادگیری_ماشین
#پایتون_مالی

پایتون برای مالی در تلگرام
https://www.tg-me.com/joinchat-AAAAAFGMkouqbsb86Vfzug



tg-me.com/python4finance/106
Create:
Last Update:

بهترین کتابخانه های یادگیری ماشین

۱- کتابخانه‌ی scikit-learn بر پایه‌ی NumPy و SciPy شکل گرفته است و با افزودن مجموعه‌ای از الگوریتم‌های یادگیری ماشین، برای انجام امور یادگیری ماشین و داده کاوی رایج (مانند طبقه بندی، خوشه بندی و رگرسیون) مورد استفاده قرار می‌گیرد. scikit-learn بسیار وسیع است. توابع و قابلیت‌های موجود در این کتابخانه بصورت دقیق مستند شده است و همچنین توسعه دهندگان این کتابخانه از افراد حرفه‌ای و خبره‌ در زمینه‌ی یادگیری ماشین می‌باشند.

۲- کتابخانه‌ی Theano از سینتکسی شبیه به NumPy، برای بهینه سازی و ارزیابی عبارت‌های ریاضی استفاده می‌کند. این کتابخانه برای کارایی بهتر از GPU ِ کامپیوتر به منظور انجام محاسبات فشرده، در کنار CPU کمک می‌گیرد که این امر باعث افزایش سرعتی نزدیک به ۱۰۰ برابر می‌شود. سرعتِ Theano، این کتابخانه را برای زمینه‌هایی چون یادگیری عمیق (deep learning) و سایر محاسبات پیچیده ارزشمند ساخته است.

۳-کتابخانه TensorFlow یکی دیگر از کتابخانه‌های موجود در زمینه‌ی یادگیری ماشین است. این کتابخانه توسط Google بصورت متن باز توسعه داده می‌شود و به عنوان جایگزینی برای DistBelief، به منظور آموزش شبکه‌های عصبی در نظر گرفته شده است. TensorFlow از سیستمی با گره‌های چند لایه استفاده می‌کند که ما را قادر می‌سازد تا بتوانیم به راه اندازی، آموزش و گسترش شبکه‌های عصبی مصنوعی، بر روی مجموعه داده‌های عظیم بپردازیم. Google با استفاده از همین ابزار است که می‌تواند اشیاء مختلف را درون یک عکس شناسایی کرده و همچنین در ابزار تشخیص صدا، صدا‌های مختلف را شناسایی کند.

در پست های آتی به کاربرد یادگیری ماشینی در اقتصاد و مالی خواهیم پرداخت.

#یادگیری_ماشین
#پایتون_مالی

پایتون برای مالی در تلگرام
https://www.tg-me.com/joinchat-AAAAAFGMkouqbsb86Vfzug

BY Python4Finance


Warning: Undefined variable $i in /var/www/tg-me/post.php on line 283

Share with your friend now:
tg-me.com/python4finance/106

View MORE
Open in Telegram


Python4Finance Telegram | DID YOU KNOW?

Date: |

The S&P 500 slumped 1.8% on Monday and Tuesday, thanks to China Evergrande, the Chinese property company that looks like it is ready to default on its more-than $300 billion in debt. Cries of the next Lehman Brothers—or maybe the next Silverado?—echoed through the canyons of Wall Street as investors prepared for the worst.

At a time when the Indian stock market is peaking and has rallied immensely compared to global markets, there are companies that have not performed in the last 10 years. These are definitely a minor portion of the market considering there are hundreds of stocks that have turned multibagger since 2020. What went wrong with these stocks? Reasons vary from corporate governance, sectoral weakness, company specific and so on. But the more important question is, are these stocks worth buying?

Python4Finance from no


Telegram Python4Finance
FROM USA