☯️ دوره آموزشی «علم داده مالی و معاملات الگوریتمی با Python»

🌟 کسب سود در بازارهای مالی ایران و بین الملل با استفاده از علم داده و تحلیل داده

⏰ ۶۵ ساعت آموزش
🔬 آموزش آنلاین و با مطالعات موردی واقعی و پروژه عملی

🟢 برخی از مخاطبان این دوره:
⏺️ فعالین، معامله‌گران و علاقمندان #بورس ایران
⏺️ فعالین، معامله‌گران و علاقمندان بورس‌های بین الملل و فارکس
⏺️ علاقمندانِ کسب تخصص در معامله‌گری و بازارهای #مالی و #دیتا_ساینس

🏛 موسسه آموزش عالی آزاد توسعه
✅ با گواهینامه مورد تایید وزارت علوم و قابل ترجمه رسمی

📌 مشاوره رایگان و مشاهده جزئیات دوره از لینک زیر:

🌐 httb.ir/GEcLP
🌐 httb.ir/GEcLP
🌐 httb.ir/GEcLP

ظاهرن یکی از برتری های فعلی docling نسبت به MarkItDown اینه که داکلینگ توی LlamaIndex و LangChain هم Integrate شده 🔗

یکی از کتاب های مناسب برای مباحث پایه ریاضی مورد نیاز در علوم کامپیوتر

@ai_python

https://courses.csail.mit.edu/6.042/spring18/mcs.pdf


➕ Linear algebra
➕ Series
➕ Logic
➕ Probability
➕ Number theory
➕ Graphs

@ai_python

هر ری اکتی ، ری اکت نیست 🤪

@ai_python

https://cloud.google.com/bigquery/docs/vector-index-text-search-tutorial

Perform semantic search and retrieval-augmented generation

👉 This tutorial guides you through the end-to-end process of creating and using text embeddings, including using vector indexes to improve search performance.

This tutorial covers the following tasks:

🖥 Creating a BigQuery ML remote model over a Vertex AI embedding model.

🖥 Using the remote model with the ML.GENERATE_EMBEDDING function to generate embeddings from text in a BigQuery table.

🖥 Creating a vector index to index the embeddings.

🖥 Using the VECTOR_SEARCH function with the embeddings to search for similar text.

🖥 Perform retrieval-augmented generation (RAG) by generating text with the ML.GENERATE_TEXT function, and using vector search results to augment the prompt input and improve results.

This tutorial uses the BigQuery public table patents-public-data.google_patents_research.publications.