تعدادی از این کتابخانه ها ابتدا در C یا ++C نوشته شده اند و سپس با کمپایلر برای پایتون قابل استفاده شده اند. برای استفاده از این کتابخانه ها باید کمپایلر مورد نظر را نصب کنید تا بتوانید این کتابخانه ها را اجرا کنید. ما در این فیلم آموزشی قصد داریم به شما نحوه نصب صحیح و درست این کمپایلر را آموزش دهیم. این راه حل بعد از تست و آزمایش برای شما تهیه شده است.

خطاهایی که اگر این کمپایلر را نداشته باشید ممکن است ببینید :

LINK : fatal error LNK1158: cannot run ‘rc.exe’ error: command ‘C:\\Program Files (x86)\\Microsoft Visual Studio 14.0\\VC \\BIN\\x86_amd64\\link.exe’ failed wit

Traceback (most recent call last): File “C:\Users\twins\Anaconda3\lib\site-packages\pip\basecommand.py”, line 215, in main status = self.run(options, args) File “C:\Users\twins\Anaconda3\lib\site-packages\pip\commands\install.py”, line 335, in run wb.build(autobuilding=True) File “C:\Users\twins\Anaconda3\lib\site-packages\pip\wheel.py”, line 749, in build self.requirement_set.prepare_files(self.finder) File “C:\Users\twins\Anaconda3\lib\site-packages\pip\req\req_set.py”, line 380, in prepare_files ignore_dependencies=self.ignore_dependencies)) File “C:\Users\twins\Anaconda3\lib\site-packages\pip\req\req_set.py”, line 554, in _prepare_file require_hashes File “C:\Users\twins\Anaconda3\lib\site-packages\pip\req\req_install.py”, line 278, in populate_link self.link = finder.find_requirement(self, upgrade) File “C:\Users\twins\Anaconda3\lib\site-packages\pip\index.py”, line 465, in find_requirement all_candidates = self.find_all_candidates(req.name) File “C:\Users\twins\Anaconda3\lib\site-packages\pip\index.py”, line 423, in find_all_candidates for page in self._get_pages(url_locations, project_name): File “C:\Users\twins\Anaconda3\lib\site-packages\pip\index.py”, line 568, in _get_pages page = self._get_page(location) File “C:\Users\twins\Anaconda3\lib\site-packages\pip\index.py”, line 683, in _get_page return HTMLPage.get_page(link, session=self.session) File “C:\Users\twins\Anaconda3\lib\site-packages\pip\index.py”, line 811, in get_page inst = cls(resp.content, resp.url, resp.headers) File “C:\Users\twins\Anaconda3\lib\site-packages\pip\index.py”, line 731, in init namespaceHTMLElements=True, TypeError: parse() got an unexpected keyword argument ‘transport_encoding’

annoylib.h(19): fatal error C1083: Cannot open include file: ‘stdio.h’: No such file or directory

C:\Program Files (x86)\Microsoft Visual Studio 14.0\VC\BIN\x86_amd64\link.exe /nologo /INCREMENTAL:NO /LTCG /DLL /MANIFEST:EMBED,ID=2 /MANIFESTUAC:NO /LIBPATH:C:\Users\USER\Anaconda3\envs\tracx\libs /LIBPATH:C:\Users\USER\Anaconda3\envs\tracx\PCbuild\amd64 “/LIBPATH:C:\Program Files (x86)\Microsoft Visual Studio 14.0\VC\LIB\amd64” “/LIBPATH:C:\Program Files (x86)\Windows Kits\10\lib\10.0.16299.0\ucrt\x64” “/LIBPATH:C:\Program Files (x86)\Windows Kits\10\lib\10.0.16299.0\um\x64” /EXPORT:PyInit_ctraits build\temp.win-amd64-3.5\Release\traits/ctraits.obj /OUT:build\lib.win-amd64-3.5\traits\ctraits.cp35-win_amd64.pyd /IMPLIB:build\temp.win-amd64-3.5\Release\traits\ctraits.cp35-win_amd64.lib
ctraits.obj : warning LNK4197: export ‘PyInit_ctraits’ specified multiple times; using first specification
Creating library build\temp.win-amd64-3.5\Release\traits\ctraits.cp35-win_amd64.lib and object build\temp.win-amd64-3.5\Release\traits\ctraits.cp35-win_amd64.exp
Generating code
Finished generating code
LINK : fatal error LNK1158: cannot run ‘rc.exe’
error: command ‘C:\\Program Files (x86)\\Microsoft Visual Studio 14.0\\VC\\BIN\\x86_amd64\\link.exe’ failed with exit status 1158

C:\Users\paumi\AppData\Local\Programs\Python\Python36\Scripts>pip install Ta-lib
Collecting Ta-lib
Using cached TA-Lib-0.4.10.tar.gz
Installing collected packages: Ta-lib
Running setup.py install for Ta-lib … error
Complete output from command c:\users\paumi\appdata\local\programs\python\python36\python.exe -u -c “import setuptools, tokenize;file=’C:\Users\paumi\AppData\Local\Temp\pip-build-aiqix_lq\Ta-lib\setup.py’;f=getattr(tokenize, ‘open’, open)(file);code=f.read().replace(‘\r\n’, ‘\n’);f.close();exec(compile(code, file, ‘exec’))” install –record C:\Users\paumi\AppData\Local\Temp\pip-wgebphdg-record\install-record.txt –single-version-externally-managed –compile:
running install
running build
running build_py
creating build
creating build\lib.win-amd64-3.6
creating build\lib.win-amd64-3.6\talib
copying talib\deprecated.py -> build\lib.win-amd64-3.6\talib
copying talib\test_abstract.py -> build\lib.win-amd64-3.6\talib
copying talib\test_data.py -> build\lib.win-amd64-3.6\talib
copying talib\test_func.py -> build\lib.win-amd64-3.6\talib
copying talib\test_stream.py -> build\lib.win-amd64-3.6\talib
copying talib_init_.py -> build\lib.win-amd64-3.6\talib
running build_ext
building ‘talib.common’ extension
creating build\temp.win-amd64-3.6
creating build\temp.win-amd64-3.6\Release
creating build\temp.win-amd64-3.6\Release\talib
C:\Program Files (x86)\Microsoft Visual Studio 14.0\VC\BIN\x86_amd64\cl.exe /c /nologo /Ox /W3 /GL /DNDEBUG /MD -Ic:\users\paumi\appdata\local\programs\python\python36\lib\site-packages\numpy\core\include -Ic:\ta-lib\c\include -Ic:\users\paumi\appdata\local\programs\python\python36\include -Ic:\users\paumi\appdata\local\programs\python\python36\include “-IC:\Program Files (x86)\Microsoft Visual Studio 14.0\VC\INCLUDE” “-IC:\Program Files (x86)\Windows Kits\10\include\10.0.10240.0\ucrt” “-IC:\Program Files (x86)\Windows Kits\8.1\include\shared” “-IC:\Program Files (x86)\Windows Kits\8.1\include\um” “-IC:\Program Files (x86)\Windows Kits\8.1\include\winrt” /Tctalib/common.c /Fobuild\temp.win-amd64-3.6\Release\talib/common.obj
common.c
C:\Program Files (x86)\Microsoft Visual Studio 14.0\VC\BIN\x86_amd64\link.exe /nologo /INCREMENTAL:NO /LTCG /DLL /MANIFEST:EMBED,ID=2 /MANIFESTUAC:NO /LIBPATH:c:\ta-lib\c\lib /LIBPATH:c:\users\paumi\appdata\local\programs\python\python36\libs /LIBPATH:c:\users\paumi\appdata\local\programs\python\python36\PCbuild\amd64 “/LIBPATH:C:\Program Files (x86)\Microsoft Visual Studio 14.0\VC\LIB\amd64” “/LIBPATH:C:\Program Files (x86)\Windows Kits\10\lib\10.0.10240.0\ucrt\x64” “/LIBPATH:C:\Program Files (x86)\Windows Kits\8.1\lib\winv6.3\um\x64” ta_libc_cdr.lib /EXPORT:PyInit_common build\temp.win-amd64-3.6\Release\talib/common.obj /OUT:build\lib.win-amd64-3.6\talib\common.cp36-win_amd64.pyd /IMPLIB:build\temp.win-amd64-3.6\Release\talib\common.cp36-win_amd64.lib
common.obj : warning LNK4197: export ‘PyInit_common’ specified multiple times; using first specification
Creating library build\temp.win-amd64-3.6\Release\talib\common.cp36-win_amd64.lib and object build\temp.win-amd64-3.6\Release\talib\common.cp36-win_amd64.exp
common.obj : error LNK2001: unresolved external symbol TA_SetUnstablePeriod
common.obj : error LNK2001: unresolved external symbol TA_Shutdown
common.obj : error LNK2001: unresolved external symbol TA_Initialize
common.obj : error LNK2001: unresolved external symbol TA_GetUnstablePeriod
common.obj : error LNK2001: unresolved external symbol TA_GetVersionString
build\lib.win-amd64-3.6\talib\common.cp36-win_amd64.pyd : fatal error LNK1120: 5 unresolved externals
error: command ‘C:\Program Files (x86)\Microsoft Visual Studio 14.0\VC\BIN\x86_amd64\link.exe’ failed with exit status 1120

C:\Users\James Harper\Downloads\pygraphviz-master>python setup.py install –include-path=/usr/local/Cellar/graphviz/2.38.0/include/graphviz –library-path=/usr/local/Cellar/graphviz/2.38.0/lib
C:\Program Files (x86)\Python36-32\lib\site-packages\setuptools\dist.py:331: UserWarning: Normalizing ‘1.5.dev’ to ‘1.5.dev0’
normalized_version,
running install
running build
running build_py
running egg_info
writing pygraphviz.egg-info\PKG-INFO
writing dependency_links to pygraphviz.egg-info\dependency_links.txt
writing top-level names to pygraphviz.egg-info\top_level.txt
reading manifest file ‘pygraphviz.egg-info\SOURCES.txt’
reading manifest template ‘MANIFEST.in’
warning: no previously-included files matching ‘~’ found anywhere in distribution
warning: no previously-included files matching ‘.pyc’ found anywhere in distribution
warning: no previously-included files matching ‘.svn’ found anywhere in distribution
no previously-included directories found matching ‘doc\build’
writing manifest file ‘pygraphviz.egg-info\SOURCES.txt’
running build_ext
building ‘pygraphviz._graphviz’ extension
C:\Program Files (x86)\Microsoft Visual Studio 14.0\VC\BIN\cl.exe /c /nologo /Ox /W3 /GL /DNDEBUG /MD -I/usr/local/Cellar/graphviz/2.38.0/include/graphviz “-IC:\Program Files (x86)\Python36-32\include” “-IC:\Program Files (x86)\Python36-32\include” “-IC:\Program Files (x86)\Microsoft Visual Studio 14.0\VC\INCLUDE” “-IC:\Program Files (x86)\Windows Kits\10\include\10.0.10240.0\ucrt” /Tcpygraphviz/graphviz_wrap.c /Fobuild\temp.win32-3.6\Release\pygraphviz/graphviz_wrap.obj
graphviz_wrap.c
c:\program files (x86)\python36-32\include\pyconfig.h(222): fatal error C1083: Cannot open include file: ‘basetsd.h’: No such file or directory
error: command ‘C:\Program Files (x86)\Microsoft Visual Studio 14.0\VC\BIN\cl.exe’ failed with exit status 2

c:\python26\include\pyconfig.h(233) : fatal error C1083: Cannot open include file: ‘basetsd.h’: No such file or directory
error: command ‘”C:\Program Files (x86)\Microsoft Visual Studio 9.0\VC\BIN\cl.exe”‘ failed with exit status 2

[Windows] test_distutils: fatal error LNK1158: cannot run ‘rc.exe’

نوشته نصب کمپایلر C و ++C در پایتون اولین بار در ایران متلب پدیدار شد.

نوشته تغییر از پایتون 2 به پایتون 3 اولین بار در ایران متلب پدیدار شد.

نوشته کتاب کار پایتون : حل 100 تمرین پایتون اولین بار در ایران متلب پدیدار شد.

نوشته پایتون برای مهندسین شبکه : Netmiko ، NAPALM ، pyntc ، Telnet اولین بار در ایران متلب پدیدار شد.

یادگیری numpy ، پانداها ، matplotlib ، کوانتومی ، امور مالی و …. برای الگوریتم تجارت و بازرگانی با پایتون
در این دوره چه چیزهایی یاد خواهید گرفت ؟
• استفاده از numpy برای سریع کارکردن با داده های عددی
• استفاده از پاندا برای تجزییه و تحلیل و تجسم داده
• استفاده از matplotib برای ساخت قطعه های سفارشی
• یادگیری چگونگی استفاده از مدل های آماری برای تحلیل سری زمانی
• محاسبه آمار و ارقام امور مالی مانند : بازده روزانه ، بازده تجمعی ، نوسانات و …
• استفاده از میانگین حرکتی معکوس
• استفاده از مدل ARLMA برای سری زمانی داده
• محاسبه نسبت شارپ
• بهینه سازی تخصصی نمونه کار ها
• یادگیری مدل قیمت گذاری دارایی و سرمایه
• یادگیری فرضیه بازار کارآمد
• انجام الگوریتم تجارت و بازرگانی در کوانتومی
در این دوره به چه چیزهایی نیاز دارید ؟
 دانش برنامه نویسی (ترجیحا پایتون ) قادر به دانلود Anaconda (پایتون) در کامپیوترتان
 داشتن دانش در حیطه آمار و احتمالات در سطح مبتدی و جبر خطی مفید است.
توضیحات
به پایتون برای تجزییه و تحلیل محاسبات امور مالی و الگوریتم تجارت و بازرگانی خوش آمدید .آیا شما علاقمند به تجزییه و تحلیل امور مالی و دنبال کردن الگوریتم تجارت و بازرگانی هستید ؟ اگر جوابتان مثبت است این دوره برای شما است!!!! این دوره این دوره هرچیزی که در پایتون برای سرمایه گذاری و الگوریتم تجارت و بازرگانی باید بدانید را به شما یاد میدهد و شما را راهنمایی می کند.ما با یادگیری اصول اصلی پایتون شروع خواهیم کرد و سپس مبحث های زیر را پردازش می کنیم.هسته کتابخانه ای مورد استفاده در اکوسیستم py-finance از جمله پاندا ها ، numpy ، jupyter ، ziplin ، مدل های آماری ، matplotlib ، کوانتومی و ….
ما موضوعات زیر را که توسط متخصصان مالی مورد استفاده قرار می گیرد را پوشش می دهیم
• اصول پایتون
• Numpy برای پردازش سریع داده های عددی
• پاندا ها برای تحلیل کارآمد داده
• Matplotlib برای تجسم داده
• استفاده از داده های خواندنی پانداها و Quandl برای دریافت اطلاعات
• تکنیک تحلیل سری زمانی پاندا ها
• تجزییه و تحلیل بازده سهام
• فراوانی تجمعی بازگشتی
• نوسان و ریسک اوراق بهادر
• میانگین تحرک با وزن متوسط (EWMA)
• مدل آماری
• خطای روند فصلی (ETS)
• میانگین تحرک رگرسیون خودکار ( ARIMA)
• همبستگی خودکار و قطعات مربوط به همبستگی جزئی
• نسبت شارپ
• بهینه سازی نمونه کارهای اختصاص یافته
• انواع صندوق ها
• کتاب های سفارشی
• فروش کوتاه
• مدل قیمت گذاری دارایی و سرمایه
• تقسیم سهام و سود سهام
• فرضیه بازار کار آمد
• الگوریتم تجارت و بازرگانی با کوانتوم
• آینده تجارت و بازرگانی
مخاطبان این دوره چه کسانی هستند ؟
کسانی که با پایتون آشنایی دارند و می خواهند به تجزییه و تحلیل محاسبات مالی بپردازند.

نوشته پایتون برای تجزیه و تحلیل امور مالی و الگوریتم تجارت و بازرگانی اولین بار در ایران متلب پدیدار شد.

نوشته پایتون برای علم داده و یادگیری ماشین اولین بار در ایران متلب پدیدار شد.

در این دوره به چه چیزهایی نیاز دارید ؟
 پایه پایتون پلاس است، اما هیچ دانش برنامه نویسی مورد نیاز نیست!! من به شما هر چیزی را که باید بدانید نشان می دهم
 شما نیاز به یک کامپیوتر در حال اجرا با سیستم عامل های مایکروسافت ویندوز، یا لینوکس، یا Mac OS X نیاز دارید.
 تمام نرم افزار مورد نیاز در این دوره رایگان و opensource هستند. من تمام تصاویر، مدل ها و طبقه بندی های مورد استفاده در این دوره را ارائه می دهم
 وب کم برای اجرای برخی از پروژه های کوچک
توضیحات
دانشجویان قبلی چه چیزی گفته اند ؟
 ” دوره بسیار دیدنی کامپیوتری که بسیار آموزنده است! من کل اینترنت را برای بدست آوردن منابع آموزشی Opencv دنبال کرده ام اما این دوره به مراتب بهتر از ادغام درس و پروژه های مربوطه بود بعضی از پروژه ها را بسیار دوست داشتم زیرا بسیار برایم سرگرم کننده بودند.”

 ” مربی این دوره بسیار عالی بود. توضیحات واقعا قابل فهم است و پارامترها بسیار آسان برای پیگیری هستند. قطعا یک مقدمه واقعا خوب برای پردازش تصویر است .”

 ” من به شدت تحت تاثیر این دوره قرار گرفتم. من فکر می کنم این دوره تا حد زیادی بهترین دوره بینشی کامپیوتر در Udemy است . من یک دانشجوی کالج هستم که قبلا یک دوره بینشی کامپیوتری را در مقطع کارشناسی ارشد گرفته بودم. این دوره 6.5 ساعته کلاس های کالج من را دور می زند “

 ” Rajeev کار خوبی در این دوره انجام داد . من نمیدانستم که بینش کامپیوتری چگونه کار می کند ولی در حال حاضر پایه خوبی از مفاهیم و دانش برنامه های کاربردی را دارم. Rajeev بصورت روشن و واضح برای کسانی که مایل به شروع انجام برنامه های کاربردی هستند کمک میکند و موضوع را از پیچیده به آسان تبدیل میکند

برنامه های کاربردی و تکنولوژی بینش کامپیوتر در حال حاضر گسترده شده اند. ازطریق برنامه و صنایع و استفاده شگفت انگیز از تکنولوژی ازبیلیون ها برنامه کاربردی بعنوان مثال Pokémon GO ، Snapchat، up و برنامه های آتی مانندMSQRD و PRISMA .
فیسبوک ، گوگل ، مایکروسافت ، اپل ، آمازون و تلسا همگی از بینش و دیدگاه کامپیوتری برای شناسایی چهره و شی و جستجوی تصویر و به ویژه در ماشین های بدون سرنشین استفاده می کنند
در نتیجه، تقاضا برای تخصص دربینش رایانه ای در حال افزایش است. با این حال، یادگیری بینش رایانه سخت است. آموزش های آنلاین موجود،کتاب های درسی ، MOOCs رایگان اغلب منسوخ شده است استفاده از کتابخانه های قدیمی ناسازگارخیلی نظری هستند که درک این مبحث را دشوار کرده اند.
این مشکل من برای ایدگیری بینش کامپیوتر بود که برایم خسته کننده شده بود. حتی به سادگی اجرای کد نمونه ای که در اینترنت پیدا کردم دشوار بود چون کتابخانه ها و توابع اغلب قدیمی شده بودند. من این دوره را برای تدریس تمام مفاهیم کلیدی ایجاد کردم به دور از هرگونه د تئوری شدید ریاضی با استفاده از به روز ترین روش ها.
من یک رویکرد بسیار عملی را با استفاده از تقریبا 50 مثال کدی ایجاد می کنم.
در انتهای دوره، شما قادر خواهید بود 12 برنامه عالی دیداری کامپیوتری با استفاده از OpenCV در پایتون ایجاد کنید.
من از OpenCV که امروزه دارای بیشترین پشتیبانی کتابخانه بینایی کامپیوتر با منبع باز است، استفاده میکنم!
استفاده از آن در پایتون فوق العاده است، زیرا پایتون اجازه می دهد تا ما بر روی مشکل بدون افتادن در باگ پیچیده تمرکز کنیم.
اگر شما یک دانش آموز یا دانشجو دانشگاه هستید و اگر می خواهید با پیوند به مقاله های پژوهشی تکنیک های مورد استفاده ما بیشتر بیاموزید. من مسیر صحیح را به شما نمایش میدهم
بنابراین اگر می خواهید پایه ای عالی در دیدگاه و بینش رایانه ای داشته باشید، به جلو نگاه نکنید و این دوره برای شما عالی است
در این دوره، قدرت OpenCV را در پایتون ، کشف خواهید کردو مهارت های زیادی با چشم انداز های حرفه ای خود بدست می آورید.
در این دوره چیزهایی که یاد خواهید گرفت :
 مفاهیم کلیدی بینش کامپیوتر و OpenCV
 دست کاری تصویر مانند تغییرات ، cropping، blurring ، thresholding ، edge detection
 تقسیم تصاویر با درک خطوط ، دایره و تشخیص خط. شما حتی یاد خواهید گرفت که چگونه خطوط تقریبی را ترسیم کنید از طریق فیلتر کردن کانتور .
 برای تشخیص اشیا از تشخیص ویژگی استفاده کنید (SIFT, SURF, FAST, BRIEF & ORB)
 شناسایی شیء برای چهره ها، افراد و اتومبیل ها
 استخراج نشانه های صورت برای تجزیه و تحلیل چهره، استفاده از فیلتر ها و مبادله چهره.
 پیاده سازی یادگیری ماشین در چشم انداز کامپیوتر برای تشخیص دست نوشته.
 پیگیری تشخیص چهره.
 پیاده سازی و درک تجزیه و تحلیل حرکت و ردیابی شیء.
 استفاده از تکنیک های عکاسی محاسباتی برای ترمیم عکس(کاهش علائم ، خطوط چین و چروک ، لکه های موجود در عکس های آسیب دیده قدیمی)

نحوه تبدیل شدن به متخصص بینش کامپیوتر با شروع یادگیری پیشرفته
12 ایده های راه اندازی رایانه ای
به روز رسانی و پشتیبانی :
به طور مداوم بروز رسانی اضافه خواهد شد، ترمیم و پروژه های شگفت انگیز جدید هر ماه!
من روزانه در بخش “سوالات و پاسخ ها” در این دوره فعالیت می کنم
بنابراین آیا آماده به شروع هستید ؟همین الان ثبت نام کن و یک استاد در بینش کامپیوتری شو
مخاطبان این دوره چه کسانی هستند ؟
مبتدیانی که علاقه مند به دید در بینش کامپیوتر هستند
دانش آموزان کالج که می خواهند قبل از آغاز تحقیقات بینشی کامپیوتر، شروع کنند
کارآفرینانی که به دنبال راه اندازی ایده های بینشی در کامپیوتر هستند
توسعه دهندگان نرم افزار و مهندسان که مایل به توسعه مهارت های بینشی کامپیوتر هستند
علاقه مندانی که می خواهند یک نمونه اولیه ازبینش رایانه ای بسازند

نوشته یادگیری ماشین با OpenCV در پایتون و یادگیری ماشین اولین بار در ایران متلب پدیدار شد.

نوشته یادگیری ماشین ensemble در پایتون : جنگل تصادفی ، AdaBoost اولین بار در ایران متلب پدیدار شد.

توضیحات
دست آوردهای دوره :
 1،600 دانش آموز در سراسر جهان ثبت نام کرده اند
 ” این دوره به راحتی توضیح داده شده و برای اقتصاددانان بسیار مفید است ” (17فوریه)
 ” توضیح بسیار خوب ” (17 ژانویه )
 ” بسیار جدید و نوآورانه برای مدلسازی اقتصادی و نمودارها ” (16 دسامبر)
سلام. خوشحال و علاقه مند به آموزش این دوره هستم
با استفاده از این دوره، شما یاد خواهید گرفت که چگونه مدل های اقتصادی را در پایتون برنامه نویسی کنید
من دستورالعمل ها را بصورت گام به گام برای برنامه نویسی مدل های اقتصادی در اسکریپت های پایتون را نشان می دهم و سپس ازآنها برای نتایج کامل و تجسم استفاده میکنم .
معادلات :
• تعادل نقاط (x,y)
• الگوریتم های کمینه سازی / بیشینه سازی
• گراف ، طرح
• و …
با استفاده از این دوره، شما یاد خواهید گرفت که در پایتون هربرنامه ای را که بیشتر دوست دارید را بنویسید: مدل های اقتصادی
این دوره برای یادگیری اصول اولیه ساخته شده است و سپس آبه سمت مقالات پیشرفته تر میرود.
مدل هایی که بصورت پیشرفته و عمقی میبینیم :
 تجزیه و تحلیل جزئی یک بازار (سطح مبتدی): تقاضا و عرضه ، توابع معکوس ، بازده مصرف کننده و تولید کننده و نقاط تعادل و گراف ها
 فرصت های تولید مرز (سطح متوسط) : شکل ریاضی ، پیشرفت تکنولوژیکی ، منابع بیشتر و مقایسه بین اقتصاد کشورها و گراف ها
 انتخاب مصرف کننده (سطح پیشرفته) : منحنی های انحرافی ، محدودیت های بودجه ، بسته تعادل ، مقایسه میان مصرف کننده ها و گراف ها
در هر درس ، شما یاد خواهید گرفت که چگونه برای آسان کردن برنامه نویسی مدل های اقتصادی ازنکات و نمونه های پایتون استفاده کنید و در نهایت شما می توانید این مدل ها را با توجه به پیش فرض های خود تغییر دهید!
شما آزمون ها را با پاسخ های دقیق دریافت خواهید کرد بنابراین ، شما می توانید تمام دانش خود را تا کنون بررسی و آزمایش کنید
در نهایت، شما می توانید سوالات و شک و تردید های خود را ارسال کنید و من به شما شخصا پاسخ خواهم داد
من به شما قول میدهم که این دوره بسیار مفید برای شما در نظرگرفته میشود. عالی است که بتوانید مدل های اقتصادی خود را برنامه ریزی کنید
مخاطب این دوره چه کسانی هستند؟
 دانشجویان اقتصاد(کارشناسی و فارغ التحصیلان ) که مایل به برنامه ریزی مدل های اقتصادی هستند
 متخصصان اقتصادی که که مایل به برنامه ریزی مدل های اقتصادی هستند
 دیگر دانشجویان حرفه ای نیز از این دوره سود خواهند برد (مدیران کسب و کار ، بازاریابی ، حسابداری ، آمارشناسی ، عوامل مالی و …)
 قبل از برنامه نویسی مدل اقتصادی ، آنها را به سادگی و راحتی بررسی می کنیم!

نوشته یادگیری کد نویسی مدل های اقتصادی در پایتون اولین بار در ایران متلب پدیدار شد.

نوشته یادگیری عمیق reinforcement در پایتون اولین بار در ایران متلب پدیدار شد.