در این مطلب، ویدئو پیش بینی قیمت سهام با استفاده از پیامبر فیس بوک، یادگیری ماشین و پایتون با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:18:14
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:02,320 –> 00:00:04,480
سلام به همه و به این ویدیو
2
00:00:04,480 –> 00:00:05,839
در مورد زبان برنامه نویسی پایتون و
3
00:00:05,839 –> 00:00:07,040
یادگیری ماشین خوش آمدید،
4
00:00:07,040 –> 00:00:08,800
بنابراین در این ویدیو سعی می کنم
5
00:00:08,800 –> 00:00:11,360
قیمت سهام اپل را با استفاده
6
00:00:11,360 –> 00:00:13,440
از روش سود فیس بوک
7
00:00:13,440 –> 00:00:14,880
و تمام کدهایی که قرار
8
00:00:14,880 –> 00:00:17,199
است در این ویدیو بنویسم پیش بینی کنم. مجموعه دادههایی
9
00:00:17,199 –> 00:00:19,039
که در این ویدیو
10
00:00:19,039 –> 00:00:22,320
استفاده میشود در patreon.com علوم کامپیوتر قرار داده
11
00:00:22,320 –> 00:00:24,080
میشود و اگر علاقهمند باشید اکنون پیوندی را برای آن در
12
00:00:24,080 –> 00:00:26,880
توضیحات زیر میگذارم،
13
00:00:26,880 –> 00:00:28,560
قبل از شروع، اگر
14
00:00:28,560 –> 00:00:29,760
ویدیوهای این کانال را دوست دارید، پس مطمئن شوید برای
15
00:00:29,760 –> 00:00:31,760
کلیک بر روی دکمه اشتراک و لایک
16
00:00:31,760 –> 00:00:33,120
و مطلع شدن از ویدیوهای جدید از
17
00:00:33,120 –> 00:00:35,360
این کانال، اعلان زنگ را بزنید
18
00:00:35,360 –> 00:00:36,800
و مطالب این ویدیو صرفاً
19
00:00:36,800 –> 00:00:39,200
آموزشی است و نباید به عنوان
20
00:00:39,200 –> 00:00:41,200
توصیه سرمایه گذاری حرفه ای تلقی شود،
21
00:00:41,200 –> 00:00:43,600
بنابراین به صلاحدید خود سرمایه گذاری کنید زیرا من
22
00:00:43,600 –> 00:00:45,840
یک نفر نیستم. مشاور مالی
23
00:00:45,840 –> 00:00:47,120
بسیار خوب است، پس با تمام آنچه گفته شد، من
24
00:00:47,120 –> 00:00:49,000
در حال حاضر در وب سایت گوگل به نام
25
00:00:49,000 –> 00:00:50,480
collab.research.google.com هستم و اینجاست
26
00:00:50,480 –> 00:00:52,320
که من کد را می نویسم،
27
00:00:52,320 –> 00:00:54,000
بنابراین تنها کاری که باید انجام دهید این است که
28
00:00:54,000 –> 00:00:55,920
با اکانت گوگل خود وارد این وب سایت شوید و
29
00:00:55,920 –> 00:00:57,600
نوشتن کد خود را شروع کنید، بنابراین اگر می
30
00:00:57,600 –> 00:00:58,960
خواهید همراه من کدنویسی
31
00:00:58,960 –> 00:01:01,359
کنید، ادامه دهید و روی فایل کلیک کنید، سپس روی نوت بوک جدید کلیک کنید،
32
00:01:01,359 –> 00:01:03,199
جایی که یک برگه جدید برای شما باز می شود و
33
00:01:03,199 –> 00:01:04,959
در نهایت یک سلول جدید برای شما باز می شود.
34
00:01:04,959 –> 00:01:06,240
و در این سلول میخواهم
35
00:01:06,240 –> 00:01:08,320
توضیحات و نظرات
36
00:01:08,320 –> 00:01:10,320
را درج کنم، بنابراین من فقط میخواهم
37
00:01:10,320 –> 00:01:13,760
پیشبینی قیمت
38
00:01:13,760 –> 00:01:15,680
آینده سهام را
39
00:01:15,680 –> 00:01:16,880
با استفاده از
40
00:01:16,880 –> 00:01:19,600
یادگیری ماشینی سود
41
00:01:19,600 –> 00:01:20,960
فیسبوک
42
00:01:20,960 –> 00:01:23,040
43
00:01:23,040 –> 00:01:24,880
و پایتون قرار دهم،
44
00:01:24,880 –> 00:01:26,960
بنابراین در مرحله بعد میخواهم
45
00:01:26,960 –> 00:01:28,400
با کلیک کردن روی آن یک سلول جدید ایجاد کنم. دکمه کد در بالا
46
00:01:28,400 –> 00:01:29,680
سمت چپ
47
00:01:29,680 –> 00:01:31,840
و در این سلول، من
48
00:01:31,840 –> 00:01:35,520
کتابخانه pandas
49
00:01:36,079 –> 00:01:37,200
50
00:01:37,200 –> 00:01:39,040
را وارد می کنم بسیار خوب، بنابراین من فقط وارد کردن
51
00:01:39,040 –> 00:01:41,040
pandas را به صورت pd تایپ می کنم و
52
00:01:41,040 –> 00:01:42,479
سلول را با کلیک کردن روی این دکمه در اینجا به
53
00:01:42,479 –> 00:01:44,000
سمت چپ اجرا می کنم.
54
00:01:44,000 –> 00:01:45,759
این به من اطلاع میدهد که اگر اشتباهی مرتکب شده باشم،
55
00:01:45,759 –> 00:01:48,240
56
00:01:48,399 –> 00:01:52,000
خوب است، بنابراین به نظر میرسد که میخواهم به
57
00:01:53,200 –> 00:01:56,159
مرحله بعد بروم، میخواهم دادهها را بارگیری کنم، بنابراین
58
00:01:56,159 –> 00:01:58,320
میخواهم یک سلول جدید ایجاد
59
00:01:58,320 –> 00:02:00,159
کنم و
60
00:02:00,159 –> 00:02:02,719
مجموعه دادهای را که حاوی
61
00:02:02,719 –> 00:02:06,640
داده ها یا داده های تاریخی قیمت سهام اپل،
62
00:02:06,640 –> 00:02:07,600
63
00:02:07,600 –> 00:02:09,038
بنابراین برای انجام این کار از گوگل استفاده می کنم
64
00:02:09,038 –> 00:02:10,840
کتابخانه بنابراین از
65
00:02:10,840 –> 00:02:13,760
google.colab میخواهم فایلها را وارد
66
00:02:13,760 –> 00:02:15,400
کنم و فقط
67
00:02:15,400 –> 00:02:18,239
فایلهای آپلود را تایپ میکنم تا فایل را آپلود کنم،
68
00:02:18,239 –> 00:02:19,920
پس بیایید پیش برویم و این سلول را اجرا کنیم
69
00:02:19,920 –> 00:02:22,080
روی انتخاب فایلها کلیک کنید و
70
00:02:22,080 –> 00:02:25,120
این aapl را بارگذاری میکنم. فایل csv بسیار
71
00:02:25,120 –> 00:02:27,440
خوب است و به نظر می رسد که
72
00:02:27,440 –> 00:02:29,599
بارگذاری تمام شده است، بنابراین من می خواهم یک سلول دیگر ایجاد کنم
73
00:02:29,599 –> 00:02:30,879
74
00:02:30,879 –> 00:02:32,720
و اکنون
75
00:02:32,720 –> 00:02:36,720
در این سلول می خواهم داده ها را بخوانم،
76
00:02:36,720 –> 00:02:38,400
بنابراین برای انجام این کار ابتدا
77
00:02:38,400 –> 00:02:40,400
یک متغیر به نام df ایجاد می کنم و آن را
78
00:02:40,400 –> 00:02:42,800
برابر با pd.read
79
00:02:42,800 –> 00:02:44,400
underscore csv قرار دهید
80
00:02:44,400 –> 00:02:45,680
و سپس نام
81
00:02:45,680 –> 00:02:47,680
فایل csv را که به تازگی آپلود کردهام که
82
00:02:47,680 –> 00:02:49,040
aapl
83
00:02:49,040 –> 00:02:50,400
dot csv است را وارد میکنم
84
00:02:50,400 –> 00:02:52,319
و سپس میخواهم دادهها را نشان
85
00:02:52,319 –> 00:02:54,720
دهم پس فقط میخواهم تایپ کنم show the data.
86
00:02:54,720 –> 00:02:56,720
من فقط می خواهم df را در اینجا تایپ کنم
87
00:02:56,720 –> 00:02:58,640
و اجازه دهید این را اجرا کنیم
88
00:02:58,640 –> 00:03:00,319
و اکنون می بینیم که این
89
00:03:00,319 –> 00:03:03,760
مجموعه داده شامل 2790 ردیف داده
90
00:03:03,760 –> 00:03:05,920
و هفت ستون
91
00:03:05,920 –> 00:03:08,400
خوب است و آن هفت ستون
92
00:03:08,400 –> 00:03:09,680
تاریخ
93
00:03:09,680 –> 00:03:10,879
باز هستند
94
00:03:10,879 –> 00:03:13,440
و این کوتاه است برای قیمت باز
95
00:03:13,440 –> 00:03:15,519
بالا که کوتاه است. برای قیمت بالا
96
00:03:15,519 –> 00:03:18,239
کم که کوتاه برای قیمت پایین
97
00:03:18,239 –> 00:03:20,159
بسته است که برای قیمت بسته کوتاه است
98
00:03:20,159 –> 00:03:21,519
99
00:03:21,519 –> 00:03:24,480
adj close whic h برای قیمت بسته تنظیم شده کوتاه است
100
00:03:24,480 –> 00:03:28,560
و سپس حجم صدا
101
00:03:28,560 –> 00:03:29,840
خوب است،
102
00:03:29,840 –> 00:03:31,519
بنابراین
103
00:03:31,519 –> 00:03:33,200
اجازه دهید کمی در مورد سود فیس بوک صحبت کنیم،
104
00:03:33,200 –> 00:03:36,239
بنابراین سود فیس بوک
105
00:03:36,239 –> 00:03:38,400
روشی برای پیش بینی
106
00:03:38,400 –> 00:03:41,920
داده های سری زمانی است و در بسیاری از برنامه های کاربردی
107
00:03:41,920 –> 00:03:44,640
در سراسر فیس بوک برای تولید
108
00:03:44,640 –> 00:03:47,360
پیش بینی های قابل اعتماد برای برنامه ریزی و برنامه ریزی استفاده می شود. تنظیم هدف
109
00:03:47,360 –> 00:03:49,440
و شما می توانید توضیحات مشابهی را
110
00:03:49,440 –> 00:03:50,400
در
111
00:03:50,400 –> 00:03:53,200
112
00:03:53,200 –> 00:03:54,319
وب سایت اسناد سود فیس بوک مشاهده کنید،
113
00:03:54,319 –> 00:03:55,280
114
00:03:55,280 –> 00:03:56,640
بنابراین
115
00:03:56,640 –> 00:03:57,840
من فقط می خواهم کمی در مورد آن صحبت
116
00:03:57,840 –> 00:03:59,439
کنم و دقیقاً توضیح دهم که دقیقاً چیست
117
00:03:59,439 –> 00:04:02,239
، بنابراین به نوعی زیبا است که فیس بوک
118
00:04:02,239 –> 00:04:03,920
به
119
00:04:03,920 –> 00:04:06,319
توسعه دهندگانی مانند من و شما اجازه می دهد. دیگر
120
00:04:06,319 –> 00:04:08,560
برنامه نویسان و فقط مردم به طور کلی
121
00:04:08,560 –> 00:04:10,560
برای استفاده از چیزی که
122
00:04:10,560 –> 00:04:12,640
خودشان برای محصولاتشان
123
00:04:12,640 –> 00:04:13,680
به درستی
124
00:04:13,680 –> 00:04:15,439
یا در داخل شرکت استفاده کرده اند،
125
00:04:15,439 –> 00:04:19,600
پس بیایید پیش برویم و یک سلول جدید ایجاد کنیم
126
00:04:19,680 –> 00:04:20,959
و
127
00:04:20,959 –> 00:04:22,560
اکنون
128
00:04:22,560 –> 00:04:23,600
129
00:04:23,600 –> 00:04:28,000
اساساً تاریخ و قیمت
130
00:04:28,000 –> 00:04:30,000
و آنچه را که هستیم انتخاب کنیم. قرار است این کار را انجام دهیم این است که نام
131
00:04:30,000 –> 00:04:32,320
آنها را به
132
00:04:32,320 –> 00:04:35,600
نام هایی که برای مدل مورد نیاز است تغییر دهید،
133
00:04:35,600 –> 00:04:36,800
بنابراین
134
00:04:36,800 –> 00:04:38,400
من آن را در نظرات اینجا قرار می دهم
135
00:04:38,400 –> 00:04:39,520
136
00:04:39,520 –> 00:04:40,800
137
00:04:40,800 –> 00:04:43,600
و تاریخ و تاریخ را انتخاب می کنیم.
138
00:04:43,600 –> 00:04:45,840
قیمت خیلی خوب است، بنابراین من
139
00:04:45,840 –> 00:04:48,240
اساساً مجموعه دادههایمان را بازسازی میکنم، بنابراین
140
00:04:48,240 –> 00:04:52,639
df را برابر با تاریخ df تنظیم
141
00:04:52,800 –> 00:04:54,240
142
00:04:54,240 –> 00:04:55,520
143
00:04:55,520 –> 00:04:56,960
میکنم و از
144
00:04:56,960 –> 00:04:59,280
قیمت بسته برای قیمت استفاده
145
00:04:59,280 –> 00:05:01,520
میکنم،
146
00:05:01,520 –> 00:05:04,160
بنابراین در مرحله بعدی میخواهم نام ویژگیها را تغییر دهم.
147
00:05:04,160 –> 00:05:05,039
148
00:05:05,039 –> 00:05:07,520
149
00:05:08,240 –> 00:05:08,960
و
150
00:05:08,960 –> 00:05:11,919
این دوباره به این دلیل است که نام ها
151
00:05:11,919 –> 00:05:14,560
می توانند مختص آنچه مدل
152
00:05:14,560 –> 00:05:16,320
نیاز دارد باشد،
153
00:05:16,320 –> 00:05:17,280
154
00:05:17,280 –> 00:05:19,960
بنابراین من df را برابر با
155
00:05:19,960 –> 00:05:21,759
df.rename قرار می دهم
156
00:05:21,759 –> 00:05:23,759
و ستون ها را
157
00:05:23,759 –> 00:05:26,320
برابر با
158
00:05:27,280 –> 00:05:29,120
بگذارید ببینیم که ما تغییر می کنیم تاریخ به
159
00:05:29,120 –> 00:05:31,280
160
00:05:32,000 –> 00:05:33,759
ds تبدیل می شود
161
00:05:33,759 –> 00:05:36,000
و سپس
162
00:05:36,000 –> 00:05:39,520
ستون بسته را به
163
00:05:39,520 –> 00:05:41,759
y
164
00:05:41,759 –> 00:05:43,440
okay تغییر می دهم
165
00:05:43,440 –> 00:05:45,600
و سپس داده ها را نشان می
166
00:05:45,600 –> 00:05:47,360
دهم بنابراین می خواهم df را در اینجا تایپ کنم و اجازه دهید این را
167
00:05:47,360 –> 00:05:49,600
اجرا کنیم
168
00:05:49,600 –> 00:05:52,479
و اکنون می توانیم داده های جدید خود را ببینیم set و
169
00:05:52,479 –> 00:05:53,759
دوباره
170
00:05:53,759 –> 00:05:54,720
171
00:05:54,720 –> 00:05:57,280
ds ستون تاریخ
172
00:05:57,280 –> 00:06:00,560
و ستون y ما
173
00:06:00,560 –> 00:06:02,880
ستون بسته از مجموعه داده های اصلی ما بود
174
00:06:02,880 –> 00:06:06,160
و ما فقط آن دو ستون را
175
00:06:06,160 –> 00:06:07,520
از مجموعه داده های اصلی انتخاب کردیم، به همین دلیل
176
00:06:07,520 –> 00:06:08,960
است که فقط
177
00:06:08,960 –> 00:06:12,319
ستون های ds و y را می بینیم. در اینجا بسیار
178
00:06:12,319 –> 00:06:14,400
179
00:06:14,400 –> 00:06:16,560
خوب است و ما هنوز 2007 تا 90
180
00:06:16,560 –> 00:06:18,639
ردیف داده داریم و دوباره فقط
181
00:06:18,639 –> 00:06:20,800
آن دو ستون را داریم،
182
00:06:20,800 –> 00:06:22,000
بنابراین بیایید g o و یک سلول جدید ایجاد کنید
183
00:06:22,000 –> 00:06:23,280
184
00:06:23,280 –> 00:06:24,960
و اکنون در این سلول چیزی که من قصد
185
00:06:24,960 –> 00:06:27,199
انجام آن را دارم این است که 20 ردیف آخر
186
00:06:27,199 –> 00:06:29,840
داده را دریافت کرده و آنها را در یک متغیر ذخیره کنم،
187
00:06:29,840 –> 00:06:30,880
بنابراین
188
00:06:30,880 –> 00:06:32,080
بیایید ادامه دهیم و در برخی از
189
00:06:32,080 –> 00:06:33,360
نظرات اینجا تایپ
190
00:06:33,360 –> 00:06:35,199
کنیم تا
191
00:06:35,199 –> 00:06:36,960
آخرین
192
00:06:36,960 –> 00:06:39,280
چیزی که می گویم را 20 ردیف دریافت کنید. بنابراین من 20 ردیف آخر داده را دریافت می کنم
193
00:06:39,280 –> 00:06:41,520
194
00:06:41,520 –> 00:06:44,560
و آنها را در یک
195
00:06:44,560 –> 00:06:45,919
متغیر جدید ذخیره می
196
00:06:45,919 –> 00:06:47,199
کنم، بنابراین می خواهم یک متغیر به نام
197
00:06:47,199 –> 00:06:49,440
last ایجاد کنم و آن را برابر با df قرار دهم
198
00:06:49,440 –> 00:06:51,440
199
00:06:51,440 –> 00:06:52,240
و
200
00:06:52,240 –> 00:06:54,000
201
00:06:54,000 –> 00:06:57,280
می خواهم تمام داده ها را از طول مجموعه داده به دست بیاورم.
202
00:06:57,280 –> 00:07:01,680
منهای 20
203
00:07:01,680 –> 00:07:03,360
به بعد،
204
00:07:03,360 –> 00:07:05,280
بنابراین یک دونقطه کوچک در
205
00:07:05,280 –> 00:07:06,720
آنجا قرار دهید
206
00:07:06,720 –> 00:07:08,319
و سپس من می خواهم داده ها را نشان دهم، بنابراین می
207
00:07:08,319 –> 00:07:10,080
خواهم آخرین را اینجا تایپ کنم،
208
00:07:10,080 –> 00:07:12,000
بنابراین بیایید این را اجرا کنیم
209
00:07:12,000 –> 00:07:13,520
تا اکنون ببینیم که
210
00:07:13,520 –> 00:07:15,520
همه داده ها را از
211
00:07:15,520 –> 00:07:18,560
این در صندلی 2770
212
00:07:18,560 –> 00:07:20,960
به
213
00:07:20,960 –> 00:07:23,840
بعد خوب است، بیایید ببینیم 270 بله خوب
214
00:07:23,840 –> 00:07:26,639
اوم به بعد، بنابراین
215
00:07:26,639 –> 00:07:28,240
اگر
216
00:07:28,240 –> 00:07:30,800
در اینجا ریاضی را انجام دهید، فقط می توانید
217
00:07:30,800 –> 00:07:32,880
2007 یا 89
218
00:07:32,880 –> 00:07:36,000
منهای 2 70 را انجام دهید
219
00:07:36,000 –> 00:07:37,759
و 19 می گیرید،
220
00:07:37,759 –> 00:07:40,400
اما پس از آن باید یک ردیف را درست اضافه کنید،
221
00:07:40,400 –> 00:07:43,199
بنابراین ما در اینجا 20 ردیف داریم. و من
222
00:07:43,199 –> 00:07:44,639
همه آنها را نمی شمارم شما فقط باید به
223
00:07:44,639 –> 00:07:45,599
من اعتماد کنید
224
00:07:45,599 –> 00:07:47,840
اما قطعاً می توانید خودتان ببینید
225
00:07:47,840 –> 00:07:50,160
که آیا دوست دارید پایین آوردن در
226
00:07:50,160 –> 00:07:51,199
امتداد خوب است،
227
00:07:51,199 –> 00:07:52,560
بنابراین خوب است و ممکن است بپرسید
228
00:07:52,560 –> 00:07:53,759
چرا ما این 20
229
00:07:53,759 –> 00:07:55,120
ردیف آخر داده
230
00:07:55,120 –> 00:07:56,479
را به خوبی دریافت می کنیم، من این 20 ردیف
231
00:07:56,479 –> 00:08:00,560
آخر داده را دریافت می کنم زیرا می خواهم از این یا
232
00:08:00,560 –> 00:08:03,199
این 20 ردیف آخر داده استفاده کنم.
233
00:08:03,199 –> 00:08:05,919
به نوعی تصور کنید که
234
00:08:05,919 –> 00:08:08,319
مدل در پیشبینی قیمت آتی
235
00:08:08,319 –> 00:08:10,720
این سهام چقدر خوب است و بنابراین این مجموعه
236
00:08:10,720 –> 00:08:12,319
دادهها حاوی دادههایی است که مدل قبلاً
237
00:08:12,319 –> 00:08:13,759
ندیده است
238
00:08:13,759 –> 00:08:14,960
و
239
00:08:14,960 –> 00:08:16,639
ما میتوانیم آزمایش کنیم
240
00:08:16,639 –> 00:08:18,720
که مدل چگونه
241
00:08:18,720 –> 00:08:20,560
یا مدل در مورد قیمت آینده در چه چیزی فکر میکند
242
00:08:20,560 –> 00:08:22,960
. در این مورد، قیمتهایی که ما
243
00:08:22,960 –> 00:08:24,160
در اینجا داریم،
244
00:08:24,160 –> 00:08:25,919
آنها فکر میکنند به این قیمتها
245
00:08:25,919 –> 00:08:27,759
تاریخ خاصی داده میشود،
246
00:08:27,759 –> 00:08:29,840
247
00:08:29,840 –> 00:08:33,120
بنابراین بیایید یک سلول جدید ایجاد کنیم
248
00:08:33,120 –> 00:08:34,399
و
249
00:08:34,399 –> 00:08:36,399
اکنون میخواهم
250
00:08: