معاملات الگوریتمی ارز دیجیتال با پایتون و بایننس
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت
- ساخت رباتهای کاملا خودکار معاملات ارز دیجیتال با پایتون، بایننس و وب سرویس آمازون
- معاملات فیوچرز و معاملات اسپات
- ایجاد استراتژیهای معاملاتی ارز دیجیتال خاص و قدرتمند
- تست قدرتمند استراتژیها: بک تست، فوروارد تست و لایو تست (معاملات کاغذی)
- بررسی عمیق بایننس API (فیوچرز و اسپات)
- معاملات API با بایننس و بسیاری از صرافیهای دیگر (کراکن، FTX، و غیره)
- سرمایهگذاری و معاملات مبتنی بر داده
- معاملات مارجین (اهرم)
- درک معامله: انواع اوردر، کمیسیون، قیمت خرید، فروش و اسپرد، اسلیپج، نقدینگی
- بارگذاری داده تاریخی بازار (قیمت، حجم) از بازارهای فیوچرز و اسپات ارز دیجیتال
- دستیابی برنامهنویسی شده به بسیاری از صرافیهای ارز دیجیتال با کتابخانه CCXT
- کدنویسی پایتون و برنامهنویسی شیگرا به شیوه قابل درک برای همه
- کدنویسی با Numpy ،Pandas ،Matplotlib ،Seaborn
- اتوماسیون کامل و زمانبندی معاملات خود در سرور مجازی وب سرویس آمازون
- استریم داده ارز دیجیتال بلافاصله و با فرکانس بالا
- درک، تحلیل، کنترل و محدود کردن هزینههای معامله
پیش نیازهای دوره
- نیازی به تجربه پایتون نیست. این دوره یک دوره فشرده پایتون ارائه میدهد.
- نیازی به دانش مالی/تجاری نیست. هر آنچه را که باید بدانید، یاد خواهید گرفت.
- یک کامپیوتر رومیزی (ویندوز، مک یا لینوکس) که قادر به ذخیره و اجرای آناکوندا باشد. این دوره شما را در نصب نرمافزارهای رایگان لازم راهنمایی میکند.
- یک اتصال اینترنت با قابلیت پخش ویدیوهای HD.
- کمی مهارت ریاضی در سطح دبیرستان عالی خواهد بود (اجباری نیست، اما کمک میکند).
توضیحات دوره
به جامعترین دوره معاملات الگوریتمی ارز دیجیتال خوش آمدید. این اولین دوره معامله ارز دیجیتال کاملا مبتنی بر داده است.
در این دوره یاد میگیرید که موفقترین معاملهکنندگان ارز دیجیتال و سرمایهگذاران چگونه سود کسب میکنند.
در این دوره سخت و کاربردی هیچ چیز را به شانس، امید و شهود واگذار نمیکنیم. این دقیقترین دوره در بایننس API است.
هدف نهایی این دوره ایجاد رباتهای ارز دیجیتال کاملا خودکار و قدرتمند برای معاملات فیوچرز و اسپات است.
این دوره نشان میدهد که چگونه کارها را درست انجام دهیم. اما به همان اندازه مهم، اشتباهات رایج در معاملات (کریپتو) را برجسته میکند. به ندرت کسب و کار دیگری وجود دارد که مبتدیان در آن اینقدر اشتباه کنند. چرا؟ کمبود مهارت، تخصص و تجربه.
این دوره "نه تنها" یک دوره معاملات کریپتو، بلکه یک دوره عمیق پایتون است که فراتر از آنچه معمولاً در دورههای دیگر میبینید، میباشد. با پایتون نرمافزار بسازید و آن را به صورت بلادرنگ روی یک سرور مجازی (AWS) اجرا کنید!
این دوره برای چه کسانی مناسب است؟
- افراد مبتدی که قصد دارند معامله ارز دیجیتال را کاملا صحیح و بدون اشتباهات رایج شروع کنند.
- معاملهگران ارز دیجیتال و سرمایهگذاران که به دنبال اتوماسیون و حرفهای کردن کسبوکار خود هستند.
- معاملهگران ارز دیجیتال و سرمایهگذاران که از تکیه کردن بر استراتژیهای ساده، شانس و امید خسته شدهاند.
- متخصصان سرمایهگذاری و امور مالی که میخواهند به امور مالی مبتنی بر داده قدم بگذارند.
- دانشمندان داده و متخصصان ماشین لرنینگ که به معاملات و ارزهای دیجیتال علاقه دارند.
معاملات الگوریتمی ارز دیجیتال با پایتون و بایننس
-
خوشآمدگویی و مقدمه 02:31
-
آیا میدانستید...؟ (نگاهی اجمالی به معاملات ارزهای دیجیتال) 05:50
-
چگونه بیشترین بهره را از این دوره ببریم؟ 10:22
-
بررسی دوره 06:25
-
شروع به کار در معاملات الگوریتمی کریپتو - یک مقدمه دوستانه None
-
بررسی بخش 1 03:21
-
سرمایهگذاری در مقابل معاملات الگوریتمی 14:46
-
انواع دارایی، پول و ارزهای دیجیتال 11:32
-
استیبل کوین چیست؟ 06:00
-
دلیل معامله ارزهای دیجیتال 06:45
-
دلیل استفاده از بایننس 08:46
-
صرافیهای جایگزین (بای بیت، کراکن و غیره) 04:39
-
معاملات اسپات در مقابل معاملات مشتقات (فیوچرز) (بخش 1) 08:13
-
معاملات اسپات در مقابل معاملات مشتقات (فیوچرز) (بخش 2) 10:34
-
ناوبری چشمانداز معاملات کریپتو None
-
توضیح مبانی برای یک کارآموز کنجکاو None
-
Binance.com و Binance.US در یک نگاه 12:35
-
نحوه دریافت 10% تخفیف در کمیسیونهای معاملات 00:18
-
خرید فوری اولین ارز دیجیتال خود 06:00
-
برداشت و واریز (بخش 1) 07:58
-
برداشت و واریز (بخش 2) 05:24
-
اولین معامله اسپات (خرید بیتکوین) 10:32
-
تحلیل معامله و کارمزدها و کمیسیون های معاملات 10:01
-
معامله اسپات دیگر (فروش بیت کوین) 03:26
-
لیمیت اوردرها در مقابل اوردرهای بازار 06:37
-
اوردرهای حد سود 03:56
-
اوردرهای حد ضرر 06:52
-
اوردر بوک 05:39
-
اسپرد Bid-Ask و اسلیپج 07:35
-
هزینههای کل معامله ( هزینههای قابل مشاهده در مقابل هزینههای پنهان) 04:26
-
نقدینگی و عمق بازار 04:19
-
معرفی اندیکاتورهای تکنیکال و نمودارها 09:38
-
مقدمه 01:32
-
دانلود و نصب آناکوندا 07:30
-
چگونه Jupyter Notebooks را باز کنیم؟ 12:24
-
چگونه با Jupyter Notebooks کار کنیم؟ 17:25
-
ترفندهایی برای مبتدیان پایتون 01:54
-
مقدمه 02:59
-
تست مهارتهای دیباگ کردن 10:40
-
دلایل اصلی بروز خطاهای کدنویسی 01:12
-
خطاهای رایج در یک نگاه 05:37
-
حذف سلولها، تغییر دنباله 06:58
-
IndexErrors 04:50
-
خطای Indentation 03:18
-
استفاده نادرست از نام های تابع و کلیدواژه ها 02:32
-
TypeErrors و ValueErrors 03:41
-
دریافت کمک در StackOverflow.com 06:23
-
چگونه خطاهای پیچیده تر را ردیابی کنیم؟ 10:22
-
مشکلات نصب پایتون 06:15
-
عوامل خارجی و مسائل 04:13
-
خطاهای مرتبط با محتوای دوره ( خطاهای ترنسکریپشن) 04:11
-
خلاصه بخش و فلوچارت اشکال زدایی 07:15
-
بهحداکثر رساندن تجربه یادگیری None
-
بررسی 02:59
-
دریافت API Key و سایر آمادهسازیها 03:58
-
نحوه نصب Binance API Wrapper 02:22
-
اتصال به API/سرور 04:15
-
بازیابی اطلاعات سیستم/ اکانت عمومی (بخش 1) 10:10
-
بازیابی اطلاعات سیستم/ اکانت عمومی (بخش 2) 06:53
-
دریافت اطلاعات بازار (فعلی) 07:22
-
نحوه بارگذاری داده حجم و قیمت تاریخی (بخش 1) 07:10
-
نحوه بارگذاری داده حجم و قیمت تاریخی (بخش 2) 14:46
-
ضمیمه: بارگذاری داده تاریخی (csv) از وبسایت 05:21
-
استریم کردن بلافاصله داده بازار (بخش 1) 10:59
-
اجرای اسکریپت پایتون 02:15
-
استریم کردن بلادرنگ داده بازار (بخش 2) 03:21
-
استریم کردن و جمعآوری کندل های بلادرنگ 06:33
-
ثبت تست اوردر 04:15
-
شبکه تست اسپات در بایننس 04:00
-
ایجاد ارتباط با تستنت اسپات 02:29
-
API تستنت اسپات - بررسی 06:38
-
ثبت اوردر خرید بازار 08:16
-
ثبت اوردر فروش بازار 02:15
-
ثبت لیمیت اوردرها 06:55
-
گزارش: دریافت همه معاملات و اوردر ها 03:02
-
نحوه ایجاد و اجرا بات معاملاتی (نمونه) 07:23
-
تکلیف خانه: اجرای ربات معاملهگر در یک اسکریپت پایتون 00:14
-
نصب و ایمپورت بسته ها/کتابخانه های لازم 01:59
-
لود داده مالی از وب 12:41
-
بازرسی اولیه و مصورسازی 12:22
-
نرمال سازی سری های زمانی در یک مقدار پایه (100) 06:35
-
چالش کدنویسی شماره 1 05:20
-
تغییرات قیمت و بازده های مالی 09:03
-
پاداش و ریسک ابزارهای مالی 05:57
-
سرمایه گذاری چندگانه و CAGR 06:49
-
بازده مرکب و بازده مبتنی بر میانگین هندسی 04:17
-
ترکیب گسسته 08:00
-
بهره مرکب پیوسته 05:53
-
بازده های لگاریتمی 02:21
-
بازده های ساده در مقابل بازده های لگاریتمی (بخش 1) 06:04
-
بازده های ساده در مقابل بازده های لگاریتمی (بخش 2) 05:42
-
آزمون میانه بخش None
-
مقایسه عملکرد ابزارهای مالی 09:37
-
غیر عادی بودن بازده های مالی 12:35
-
ریسک و بازده سالانه 04:51
-
نمونه گیری مجدد و هموارسازی داده مالی 07:44
-
آمار متحرک 09:05
-
فروش کوتاه و بازده موقعیت کوتاه (بخش 1) 03:16
-
آشنایی با واحد های پول (فارکس) و تریدینگ 07:26
-
فروش استقراضی و بازده موقعیت شورت (بخش 2) 04:44
-
فروش استقراضی و بازده موقعیت شورت (بخش 3) 04:07
-
کوواریانس و همبستگی 07:09
-
پرتفولیوها و بازده های پرتفولیو 03:57
-
مارجین تریدینگ و بازده های اهرمی (بخش 1) 04:56
-
مارجین تریدینگ و بازده های اهرمی (بخش 2) 08:52
-
تست نهایی None
-
بررسی 01:57
-
استراتژی های معاملاتی - بررسی 06:20
-
استراتژیهای معاملاتی ارزهای دیجیتال (بهترین تمرینها) 04:44
-
چگونه استراتژی های معاملاتی خود را ایجاد کنیم؟ 06:09
-
دریافت داده 03:24
-
تحلیل داده مالی / بازرسی بصری 03:38
-
یک خرید و نگهداری ساده 04:12
-
ارزیابی عملکرد 05:11
-
مقدمه 04:45
-
آمادهسازی داده 04:57
-
تحلیل داده تشریحی: بازده مالی و حجم معاملاتی (بخش 1) 09:44
-
تحلیل داده تشریحی: بازده مالی و حجم معاملاتی (بخش 2) 04:50
-
تدوین استراتژی Long-only مبتنی بر داده حجم و قیمت 08:19
-
بک تست استراتژی 07:38
-
هزینههای معاملاتی 08:20
-
شروع به کار 01:27
-
بهینهسازی استراتژی (بخش 1) 10:19
-
بهینهسازی استراتژی (بخش 2) 03:59
-
جمعبندی موارد: کلاس بکتستر 10:26
-
بک تست و فوروارد تست (بخش 1) 04:43
-
بک تست و فوروارد تست (بخش 2) 05:03
-
توضیح کلاس بکتستر (بخش 1) 03:57
-
توضیح کلاس بکتستر (بخش 2) 03:11
-
توضیح کلاس بکتستر (بخش 3) 02:55
-
توضیح کلاس بکتستر (بخش 4) 03:47
-
شروع به کار 01:19
-
جمع بندی - استریمینگ و جمع آوری کندل ها به صورت بلادرنگ 05:18
-
جدید: BinanceSocketManager (بهروزرسانی آگوست 2023) 01:41
-
ایجاد کلاس LongOnlyTrader 05:36
-
کار با داده تاریخی و داده بلادرنگ (بخش 1) 06:49
-
کار با داده تاریخی و داده بلادرنگ (بخش 2) 03:23
-
افزودن استراتژی معاملاتی Long-Only 08:28
-
ثبت اوردر و اجرای معاملات 08:16
-
نظارت و گزارش معامله 11:25
-
نحوه راهاندازی و خودکارسازی توقف جلسات معاملاتی 07:46
-
مقدمه 05:45
-
شروع به کار 01:38
-
جمعبندی: تحلیل داده تشریحی و تولید ایده معاملاتی 02:00
-
تعریف استراتژی لانگ - شورت 05:19
-
چارچوب بکتست لانگ - شورت 05:22
-
بک تست استراتژی 07:36
-
چارچوب معاملاتی لانگ - شورت 07:17
-
پیادهسازی و اتوماسیون استراتژی معاملاتی لانگ - شورت 03:47
-
اجرای اسکریپت تریدر پایتون 07:30
-
مقدمه و انگیزه 02:50
-
نمایش: AWS EC2 برای تریدینگ الگوریتمی به صورت زنده در عمل 07:09
-
وب سرویس آمازون (AWS) - مرور و نحوه ایجاد یک حساب آزمایشی رایگان 02:34
-
چگونه نمونه EC2 را ایجاد کنیم؟ 07:58
-
چگونه نمونه EC2 را اتصال دهیم؟ 04:20
-
آماده سازی نمونه برای تریدینگ الگوریتمی 03:26
-
نحوه اجرای اسکریپت های پایتون در خط فرمان ویندوز 04:05
-
نحوه شروع تریدینگ با فایل های دسته ای (.bat). 04:02
-
نحوه برنامه ریزی جلسات تریدینگ با Task Scheduler 05:14
-
مقدمه 11:28
-
توضیح راهحل (بخش 1) 05:08
-
توضیح راهحل (بخش 2) 06:20
-
توضیح راهحل (بخش 3) 03:29
-
بررسی 07:45
-
ایجاد اکانت در تستنت فیوچرز بایننس 00:50
-
گامهای نخستین 04:11
-
اولین معامله فیوچرز (لانگ) 10:14
-
تحلیل معامله 06:58
-
معامله با اهرم 04:10
-
تاثیر اهرم 05:42
-
معامله شورت 03:39
-
نقدینگی و الزامات مارجین (بخش 1) 07:39
-
نقدینگی و الزامات مارجین (بخش 2) 12:01
-
ضمیمه: حسابگر فیوچرز 03:58
-
نحوه افزودن حد ضرر به موقعیت باز 03:53
-
اوردرهای حد ضرر و حد سود 04:07
-
حالت مارجین کراس در مقابل مارجین ایزوله 08:15
-
حالت موقعیت: یک طرفه در مقابل هج کردن 08:38
-
نحوه کار با بسیاری از موقعیتهای باز 04:54
-
آشنایی با فاندینگ ریت 03:35
-
توضیح فاندینگ ریت (بخش 1) 06:14
-
توضیح فاندینگ ریت (بخش 2) 06:49
-
توضیح فاندینگ ریت (بخش 3) 03:18
-
فاندینگ ریت به صورت زنده در عمل 02:55
-
مقدمه 06:55
-
دریافت داده 01:26
-
بکتست بدون اهرم و هزینههای معاملاتی در بازار فیوچرز 05:22
-
جمعبندی: اهرم و بازدههای اهرم 00:59
-
بازدههای اهرم: رویکرد واقعیتر 10:34
-
کلاس بکتست فیوچرز به صورت زنده در عمل 05:28
-
نحوه تنظیم چارچوب برای معاملات فیوچرز 09:03
-
تاثیر اهرم بر عملکرد معامله 05:42
-
معرفی و آمادهسازی 02:38
-
API بایننس فیوچرز 13:14
-
نحوه تغییر تنظیمات و حالتها 05:30
-
ثبت اوردرهای بازار (بخش 1) 07:42
-
تحلیل معاملات - تاریخچه درآمد و معامله 05:20
-
ثبت اوردرهای بازار (بخش 2) 03:25
-
دریافت داده تاریخی بازار فیوچرز 05:04
-
استریم کردن قیمتهای فعلی فیوچرز 05:33
-
ربات معاملات فیوچرز (بخش 1) 08:07
-
ربات معاملات فیوچرز (بخش 2) 07:38
-
جمعبندی همه چیز 02:34
-
مقدمه 07:00
-
آمادهسازی 01:49
-
گامهای اولیه با CCXT 06:05
-
اطلاعات صرافی عمومی 03:31
-
API عمومی 05:25
-
بارگذاری داده تاریخی (بخش 1) 09:44
-
بارگذاری داده تاریخی (بخش 2) 05:27
-
استریم کردن داده بلادرنگ (بخش 1) 05:12
-
آشنایی با برنامهنویسی Multithreaded 07:55
-
استریم کردن داده بلادرنگ (بخش 2) 06:20
-
استریم کردن داده بلادرنگ (بخش 3) 03:32
-
دریافت داده تاریخی و استریم کردن داده زنده 08:48
-
API خصوصی 04:56
-
نحوه اتصال به تستنت (حالت سندباکس) 02:40
-
ایجاد اوردرها و تحلیل معاملات (اسپات) 04:27
-
ایجاد اوردر و تحلیل معاملات (فیوچرز) 06:36
-
ربات معاملات اسپات در CCXT 08:44
-
ضمیمه: تعمیم 04:25
-
ربات معاملات فیوچرز CCXT 08:42
-
مقدمه 03:00
-
ایجاد حساب کاربری در bybit.com و testnet.bybit.com 04:30
-
آمادهسازیهای بیشتر برای معاملات (API) با Bybit و CCXT 05:16
-
معاملات API با Bybit و CCXT - مراحل اول 07:01
-
آنچه باید برای بکتست در نظر بگیرید 05:57
-
معاملات لحظهای (اوردرها و معاملات) 07:33
-
یک ربات معاملاتی بای بیت اسپات 10:20
-
معاملات آتی در بای بیت (سفارشات و معاملات) 08:26
-
یک ربات معاملات آتی بای بیت 06:11
-
مقدمه 05:54
-
ایجاد حساب کاربری در FTX.com و FTX.us 04:36
-
FTX و CCXT - بررسی 05:43
-
آنچه باید برای بکتست در نظر بگیرید 05:13
-
ربات معاملات اسپات FTX 04:42
-
معاملات فیوچرز در FTX 08:12
-
ربات معاملات فیوچرز FTX 06:22
-
مقدمه و بررسی 02:33
-
آشنایی با مفهوم ارزش زمانی پول (TVM) (تئوری) 06:01
-
محاسبه مقادیر آینده (FV) با پایتون و Compounding 03:29
-
محاسبه مقادیر فعلی (FV) با پایتون / تخفیف گرفتن 02:38
-
نرخهای بهره و بازده (تئوری) 04:26
-
محاسبه نرخهای بهره و بازده با پایتون 03:47
-
آشنایی با متغیرها 05:04
-
Excursus - چگونه کامنت های درون خطی را اضافه کنیم؟ 02:50
-
متغیرها و حافظه (تئوری) 01:57
-
اطلاعات بیشتر درباره متغیرها و حافظه 06:33
-
متغیرها - بایدها، نبایدها و کنوانسیونها 03:49
-
تابع ()print 04:09
-
تمرین کدنویسی - بخش 1 09:00
-
مسائل TVM با تعداد زیادی جریان نقدی 03:21
-
آشنایی با لیست ها در پایتون 02:22
-
ایندکسگذاری مبنای صفر و ایندکسگذاری منفی در پایتون (تئوری) 02:47
-
ایندکسگذاری لیستها 03:10
-
حلقه های For - مفهوم Iterating در لیست ها 07:48
-
آبجکت Range - معرفی Iterable دیگر 04:56
-
محاسبه FV و PV برای چندین جریان نقدی 07:35
-
ارزش خالص فعلی - NPV (تئوری) 07:47
-
محاسبه NPV پروژه سرمایهگذاری 03:02
-
تمرین کدنویسی - بخش 2 08:41
-
انواع داده در عمل 06:07
-
سلسله مراتب تایپهای داده (تئوری) 03:30
-
Excursus - تایپینگ پویا در پایتون 01:38
-
توابع داخلی 05:52
-
اعداد صحیح 03:18
-
شناورها 05:58
-
چگونه شناورها (و اعداد صحیح) را با ()round گرد کنیم؟ 05:10
-
اطلاعات بیشتر درباره لیست ها 05:15
-
لیست ها و عملیات های Element-wise 04:19
-
اسلایس کردن لیستها 04:33
-
تغییر عناصر در لیستها 02:44
-
مرتبسازی و معکوس کردن لیستها 03:48
-
افزودن عناصر به لیست ها و حذف عناصر از لیست ها 09:33
-
مقایسه آبجکت های تغییرپذیر و تغییرناپذیر (بخش 1) 09:04
-
مقایسه آبجکت های تغییرپذیر و تغییرناپذیر (بخش 2) 05:12
-
تمرین کدنویسی - بخش 3 11:32
-
تاپلها 06:50
-
دیکشنریها 06:22
-
آشنایی با رشتهها 08:47
-
قراردهی رشته 04:10
-
بولیها 02:23
-
اپراتورها (تئوری) 04:37
-
اپراتورهای مقایسه، منطقی و عضویت در عمل 08:21
-
تمرین کدنویسی - بخش 4 08:56
-
دستورات شرطی 09:04
-
کلیدواژههای pass و continue و break 09:37
-
محاسبه دوره بازگشت سرمایه یک پروژه 04:35
-
آشنایی با حلقههای while 07:58
-
تعریف اولین تابع تعریف شده توسط کاربر 06:07
-
تفاوت بین آرگومان های پوزیشنال با آرگومان های کلیدواژه چیست؟ 05:35
-
چگونه با آرگومانهای پیشفرض کار کنیم؟ 05:27
-
آرگومان پیش فرض None 06:17
-
چگونه Iterables را آنپک کنیم؟ 04:40
-
دنباله ها به عنوان آرگومان و args* 05:05
-
چگونه بسیاری از نتایج را برگردانیم؟ 02:42
-
Scope - توضیح ساده 08:16
-
ماژولها، پکیجها و کتابخانهها - نیازی به اختراع دوباره چرخ نیست 07:52
-
آرایههای Numpy 08:23
-
ایندکسگذاری و اسلایس کردن آرایههای Numpy 03:13
-
عملیاتهای برداری با آرایههای Numpy 03:56
-
تغییر عناصر در آرایههای Numpy و قابلیت تغییر 05:50
-
View در مقابل کپی - مشکلات احتمالی هنگام اسلایس کردن آرایههای Numpy 04:45
-
متدها و Attribute های آرایه Numpy 05:13
-
توابع سراسری Numpy 03:59
-
آرایههای بولی و فیلترینگ شرطی 04:39
-
فیلترینگ پیشرفته و اپراتورهای Bitwise 06:11
-
تعیین دوره بازگشت سرمایه یک پروژه با ()np.where 04:50
-
ایجاد آرایه های Numpy از ابتدا 05:56
-
چگونه با لیستهای تودرتو کار کنیم؟ 04:21
-
آرایه های دو بعدی Numpy 03:51
-
نحوه اسلایس آرایههای 2بعدی Numpy (بخش 1) 05:36
-
نحوه اسلایس آرایههای 2بعدی Numpy (بخش 2) 02:03
-
جمعبندی - تغییر عناصر در آرایه و اسلایس Numpy 03:39
-
چگونه عملیاتهای سطری و ستونی را انجام دهیم؟ 04:33
-
آشنایی با داده جدولی و Pandas 04:19
-
ایجاد اولین دیتافریم در Pandas (از فایل CSV) 09:09
-
بارگذاری فایل CSV در Pandas None
-
گزینههای نمایش Pandas و متدهای ()head و ()tail 06:41
-
بررسی اولیه داده 11:25
-
انتخاب ستونها 06:05
-
انتخاب یک ستون 02:16
-
ایندکسگذاری مبنای صفر و ایندکسگذاری منفی 03:04
-
انتخاب سطرها با iloc (ایندکس گذاری مبتنی بر پوزیشن) 10:07
-
اسلایس کردن سطرها و ستون ها با iloc (ایندکس گذاری مبتنی بر پوزیشن) 04:39
-
انتخاب سطرها با loc (ایندکسگذاری مبتنی بر برچسب) 03:14
-
اسلایس کردن سطرها و ستونها با loc (ایندکسگذاری مبتنی بر برچسب) 10:21
-
خلاصه، بهترین شیوه ها و بررسی 06:30
-
اولین گامها با سریهای Pandas 03:53
-
تحلیل سری های عددی با ()unique و ()nunique و ()value_counts 13:50
-
تحلیل سری های غیرعددی با ()unique() ،nunique و ()value_counts 07:17
-
متد ()copy 03:57
-
مرتب سازی سری ها و آشنایی با inplace - پارامتر 08:59
-
اولین گامها با آبجکتهای ایندکس Pandas 05:57
-
تغییر ایندکس سطر با ()set_index و ()reset_index 10:07
-
تغییر برچسب های ستون 03:20
-
تغییر نام ایندکس و برچسب های ستون با ()rename 03:51
-
فیلترینگ دیتافریم ها (یک شرط) 10:20
-
فیلترینگ دیتافریم ها بر اساس چند شرط (AND) 04:45
-
فیلترینگ دیتافریم ها بر اساس چند شرط (OR) 05:04
-
فیلتر پیشرفته با ()between() ،isin و ~ 08:35
-
آشنایی با مقادیر NA و مقادیر گمشده 08:52
-
مدیریت مقادیر NA و مقادیر گمشده 10:51
-
اکسپورت دیتافریم ها به CSV 02:14
-
خلاصه آمار و انباشتگی ها 08:32
-
مصورسازی با Matplotlib (مقدمه) 08:48
-
سفارشی سازی پلات ها 12:56
-
هیستوگرام ها (بخش 1) 04:34
-
هیستوگرام ها (بخش 2) 06:28
-
نمودارهای پراکندگی 07:18
-
اولین مراحل با Seaborn 05:24
-
پلات های طبقه بندی شده Seaborn 13:33
-
پلات های رگرسیون Seaborn 12:21
-
هیت مپ های Seaborn 08:17
-
حذف ستونها 05:18
-
آشنایی با عملیات های GroupBy 02:02
-
درک آبجکت GroupBy 08:05
-
تقسیم با many Key 06:49
-
split-apply-combine 09:36
-
Attribute ها و متدهای مفید DatetimeIndex 06:24
-
Fill کردن مقادیر NA با bfill ،ffill و درون یابی 10:07
-
مناطق زمانی و تبدیل (بخش 1) 04:36
-
مناطق زمانی و تبدیل (بخش 2) 04:48
-
آشنایی با (OOP) و مثال هایی برای کلاس ها 10:58
-
کلاس تحلیل مالی در عمل به صورت زنده (بخش 1) 04:58
-
کلاس تحلیل مالی در عمل به صورت زنده (بخش 2) 03:42
-
متد خاص ()__init__ 08:28
-
متد ()get_data 09:47
-
متد ()log_returns 03:21
-
نمایش رشته و متد خاص ()__repr__ 03:41
-
متدهای ()plot_prices و ()plot_returns 05:21
-
کپسوله سازی و Attribute های محافظت شده 04:02
-
متد ()set_ticker 03:18
-
افزودن متدهای بیشتر و متریک های عملکرد 05:51
-
وراثت 09:01
-
وراثت و تابع ()super 06:47
-
افزودن Docstrings معنادار 06:24
-
ایجاد و ایمپورت ماژول های پایتون (py.) 04:19
-
تمرین کدنویسی - ایجاد کلاس خود 07:13
مشخصات آموزش
معاملات الگوریتمی ارز دیجیتال با پایتون و بایننس
- تاریخ به روز رسانی: 1404/10/04
- سطح دوره:None
- تعداد درس:379
- مدت زمان :38:09:00
- حجم :10.28GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy