logo



قديم 11-03-2020, 12:50 AM
  المشاركه #1
عضو هوامير المميز
تاريخ التسجيل: Nov 2013
المشاركات: 120
 

نحن نعيش في عصر يتقدم فيه العلم بصورة كبيرة و خاصة في البرمجة و المعلوماتية وهذا إختصاصي
و هذا نذكر أن هناك مجال جديد في تطور يومي وهو مجال الذكاء الإسطناعي . فالحواسيب أصبحت قادرة على التعلم و كسب المهارات .من خلال التعلم و تدارك الأخطاء .
فالحاسوب ممكن يقود الطائرة من خلال برامج الطيار الآلي . و كذلك السيارات . والتطور الكبير في برامج الترجمة و التي تطورها شركة قوقل و تحسنت من خلال تقنية التعلم العميق

و لذلك سوف نناقش في هذا الموضوع مشروع برمجة المتاجر الذكي بحيث يمكننا تعليمه و تدريبه حتى يتقن المتاجرة و أخذ القرار الصحيح لوحده أوتاماتيكيا .

الموضوع الأصلي : اضغط هنا    ||   المصدر : منتدى هوامير البورصة السعودية

 
 
قديم 14-03-2020, 02:02 AM
  المشاركه #2
عضو هوامير المميز
تاريخ التسجيل: Mar 2011
المشاركات: 904
 

متابع أخي الفاضل



قديم 14-03-2020, 03:38 AM
  المشاركه #3
عضو هوامير المميز
تاريخ التسجيل: Nov 2013
المشاركات: 120
 

هذه محاولة لبرمجة روبوت يستعمل الذكاء الإسطناعي وهذا فرع جديد من فروع البرمجة و سوف نستعكل لغة بايتون مع LSTM وهي الذاكرة القصيرة و الطويلة المدى Long Short-Term Memory
وسوف نحاول التعرف على كيف يمكننا استخدامها لعمل توقعات مستقبلية لسوق الأسهم!
في هذا البرنامج التعليمي ، سترى كيف يمكنك استخدام نموذج السلسلة الزمنية المعروف باسم الذاكرة القصيرة المدى الطويلة. نماذج LSTM قوية ، خاصة للاحتفاظ بذاكرة طويلة المدى ، حسب التصميم ، كما سترى لاحقًا.

ستعالج المواضيع التالية في هذا البرنامج التعليمي:

سوف نتعرف على كيفية التنبؤ بتحركات أسعار سوق الأسهم ؛
سوف ننزل البيانات التاريخية و لذلك ستستخدم بيانات سوق الأسهم من Yahoo finance;
تقسيم بيانات اختبار التعلم الذاتي وإجراء بعض التعديلات لتطويع البيانات ؛
سوف نتمكن من معرفة كيفية استخدامها بحركة السوق بخطوة واحدة للأمام ؛
سوف نقوم بتحفيز ومناقشة نموذج LSTM بإيجاز لأنه يسمح بالتنبؤ بأكثر من خطوة إلى الأمام ؛
توقع وتصور سوق الأسهم المستقبلية بالبيانات الحالية
إذا لم تكن على دراية بالتعلم العميق أو الشبكات العصبية ، فيجب أن تلقي نظرة على دورة التعلم العميقDeep learning في Python. لمعرفة الأساسيات ، بالإضافة إلى كيفية بناء شبكة عصبية بنفسك في Keras. و هي طريقة مختلفة عن TensorFlow ، و سيتم استخدامها في هذا البرنامج التعليمي ، لكن الفكرة هي نفسها في التقنيتين




قديم 14-03-2020, 03:39 AM
  المشاركه #4
عضو هوامير المميز
تاريخ التسجيل: Nov 2013
المشاركات: 120
 

سوف نحتاج لنمذجة المعلومات التلريخية بطريقة تمكننا من التكهن المستقبلي بإتجاه السهم و ذلك رغم أن حركة السوق عشوائة سيحاول البرنامج عبر التعلم الذاتي من معرفة الحركات القادمة بدقة .
لذلك يجب أن تتوفر عندنا المكتبات التالية

كود:
# Make sure that you have all these libaries available to run the code successfully
from pandas_datareader import data
import matplotlib.pyplot as plt
import pandas as pd
import datetime as dt
import urllib.request, json
import os
import numpy as np
import tensorflow as tf # This code has been tested with TensorFlow 1.6
from sklearn.preprocessing import MinMaxScaler




قديم 14-03-2020, 03:41 AM
  المشاركه #5
عضو هوامير المميز
تاريخ التسجيل: Nov 2013
المشاركات: 120
 

ستستخدم بيانات من المصادر التالية:

ألفا فانتاج.Alpha Vantage ولكن قبل البدء ، ستحتاج أولاً إلى مفتاح API ، والذي يمكنك الحصول عليه مجانًا هنا. بعد ذلك ، يمكنك تعيين هذا المفتاح لمتغير api_key.

استخدم البيانات من هذه الصفحة. ستحتاج إلى نسخ مجلد الأسهم من الملف المضغوط إلى المجلد الرئيسي لمشروعك.

تأتي أسعار الأسهم مزوده بالمعلومات التالية ،

سعر الإفتتاح للسهم لليوم
الإغلاق: إغلاق سعر السهم اليوم
الهاي: أعلى سعر لسهم البيانات
اللو: أدنى سعر للسهم اليوم




قديم 14-03-2020, 03:43 AM
  المشاركه #6
عضو هوامير المميز
تاريخ التسجيل: Nov 2013
المشاركات: 120
 

سوف نأمر البرنامج بتنزيل الملف التاريخي من أحد المصدرين التاليين alphavantage أو kaggle كالتالي و هي المعلومات التي سنستعملها لتدريب البرنامج

كود:
# Make sure that you have all these libaries available to run the code successfully
from pandas_datareader import data
import matplotlib.pyplot as plt
import pandas as pd
import datetime as dt
import urllib.request, json
import os
import numpy as np
import tensorflow as tf # This code has been tested with TensorFlow 1.6
from sklearn.preprocessing import MinMaxScaler




قديم 14-03-2020, 03:45 AM
  المشاركه #7
عضو هوامير المميز
تاريخ التسجيل: Nov 2013
المشاركات: 120
 

ستستخدم بيانات من المصادر التالية:

ألفا فانتاج.Alpha Vantage ولكن قبل البدء ، ستحتاج أولاً إلى مفتاح API ، والذي يمكنك الحصول عليه مجانًا هنا. بعد ذلك ، يمكنك تعيين هذا المفتاح لمتغير api_key.

استخدم البيانات من هذه الصفحة. ستحتاج إلى نسخ مجلد الأسهم من الملف المضغوط إلى المجلد الرئيسي لمشروعك.

تأتي أسعار الأسهم مزوده بالمعلومات التالية ،

سعر الإفتتاح للسهم لليوم
الإغلاق: إغلاق سعر السهم اليوم
الهاي: أعلى سعر لسهم البيانات
اللو: أدنى سعر للسهم اليوم



سوف نأمر البرنامج بتنزيل الملف التاريخي من أحد المصدرين التاليين alphavantage أو kaggle كالتالي و هي المعلومات التي سنستعملها لتدريب البرنامج

كود:
data_source = 'kaggle' # alphavantage or kaggle

if data_source == 'alphavantage':
    # ====================== Loading Data from Alpha Vantage ==================================

    api_key = '<your API key>'

    # American Airlines stock market prices
    ticker = "AAL"

    # JSON file with all the stock market data for AAL from the last 20 years
    url_string = "https://www.alphavantage.co/query?function=TIME_SERIES_DAILY&symbol=%s&outputsize=full&apikey=%s"%(ticker,api_key)

    # Save data to this file
    file_to_save = 'stock_market_data-%s.csv'%ticker

    # If you haven't already saved data,
    # Go ahead and grab the data from the url
    # And store date, low, high, volume, close, open values to a Pandas DataFrame
    if not os.path.exists(file_to_save):
        with urllib.request.urlopen(url_string) as url:
            data = json.loads(url.read().decode())
            # extract stock market data
            data = data['Time Series (Daily)']
            df = pd.DataFrame(columns=['Date','Low','High','Close','Open'])
            for k,v in data.items():
                date = dt.datetime.strptime(k, '%Y-%m-%d')
                data_row = [date.date(),float(v['3. low']),float(v['2. high']),
                            float(v['4. close']),float(v['1. open'])]
                df.loc[-1,:] = data_row
                df.index = df.index + 1
        print('Data saved to : %s'%file_to_save)        
        df.to_csv(file_to_save)

    # If the data is already there, just load it from the CSV
    else:
        print('File already exists. Loading data from CSV')
        df = pd.read_csv(file_to_save)

else:

    # ====================== Loading Data from Kaggle ==================================
    # You will be using HP's data. Feel free to experiment with other data.
    # But while doing so, be careful to have a large enough dataset and also pay attention to the data normalization
    df = pd.read_csv(os.path.join('Stocks','hpq.us.txt'),delimiter=',',usecols=['Date','Open','High','Low','Close'])
    print('Loaded data from the Kaggle repository')


ثم نسجل الملف بشكل ملف csv

كود:
Data saved to : stock_market_data-AAL.csv




قديم 14-03-2020, 03:50 AM
  المشاركه #8
عضو هوامير المميز
تاريخ التسجيل: Nov 2013
المشاركات: 120
 

بعد ذلك سنطبع على الشاشة محتةي الملف و يجب أن يكون الملف منظم حسب التاريخ
كود:
# Sort DataFrame by date
df = df.sort_values('Date')

# Double check the result
df.head()
Date Open High Low Close
0 1970-01-02 0.30627 0.30627 0.30627 0.30627
1 1970-01-05 0.30627 0.31768 0.30627 0.31385
2 1970-01-06 0.31385 0.31385 0.30996 0.30996
3 1970-01-07 0.31385 0.31385 0.31385 0.31385
4 1970-01-08 0.31385 0.31768 0.31385 0.31385




قديم 14-03-2020, 03:52 AM
  المشاركه #9
عضو هوامير المميز
تاريخ التسجيل: Nov 2013
المشاركات: 120
 

الكود التالي لعمل التنسيق اللازم للملف
كود:
plt.figure(figsize = (18,9))
plt.plot(range(df.shape[0]),(df['Low']+df['High'])/2.0)
plt.xticks(range(0,df.shape[0],500),df['Date'].loc[::500],rotation=45)
plt.xlabel('Date',fontsize=18)
plt.ylabel('Mid Price',fontsize=18)
plt.show()
رد: ورشة  برمجة إكسبيرت الذكاء الإصطناعي


يوضح هذا الرسم البياني بالفعل الكثير من الأشياء. السبب المحدد لاختيار هذه الشركة على الآخرين هو أن هذا الرسم البياني مليء بالسلوكيات المختلفة لأسعار الأسهم بمرور الوقت. سيجعل هذا التعلم أكثر قوة بالإضافة إلى أنه يمنحك تغييرًا لاختبار مدى جودة التنبؤات لمجموعة متنوعة من المواقف.

شيء آخر يجب ملاحظته هو أن القيم القريبة من عام 2017 أعلى بكثير وتتقلب أكثر من القيم القريبة من السبعينيات. لذلك تحتاج إلى التأكد من أن البيانات تتصرف في نطاقات قيمة مماثلة طوال الإطار الزمني. سنهتم بهذا الأمرلاحقا خلال مرحلة تطبيع البيانات.




قديم 14-03-2020, 05:16 PM
  المشاركه #10
عضو هوامير المميز
تاريخ التسجيل: Oct 2006
المشاركات: 1,254
 

متابع معك
بالتوفيق




قديم 15-03-2020, 09:23 AM
  المشاركه #11
عضو هوامير المميز
تاريخ التسجيل: Feb 2009
المشاركات: 1,263
 

متابع بشغف ..



قديم 15-03-2020, 04:41 PM
  المشاركه #12
عضو هوامير المميز
تاريخ التسجيل: Nov 2013
المشاركات: 120
 

الرجاء رفع هذا الموضوع لمزيد من التفاعل هنا كذلك https://hawamer.com/vb/hawamer2379842
التقنية جديدة جدا و فرصة عدم الخروج خوف الكورونه تجعلني في المنزل قليل الخروج لا حل لي إلا البرمجة هههه







الكلمات الدلالية (Tags)

إكسبيرت

,

ورشة

,

الإصطناعي

,

الذكاء

,

برمجة


أدوات الموضوع

تعليمات المشاركة
لا تستطيع إضافة مواضيع جديدة
لا تستطيع الرد على المواضيع
لا تستطيع إرفاق ملفات
لا تستطيع تعديل مشاركاتك

BB code is متاحة
كود [IMG] متاحة
كود HTML معطلة

الانتقال السريع



03:05 PM