FireLab

非常推薦給需要數據分析有興趣或者從事市場行銷分析的學習者，這堂課老師手把手很有耐心的逐一詳細講解細節，從Python最基礎的觀念、變數類別、資料結構、迴圈及數值與文字處理，基本資料處理的工具與方法全都一應俱全了，讓就算是初學者的我也能迅速學習並上手進行數據分析；在資料數值的處理過程中，老師也手把手教導了許多處理資料的觀念與不藏私的分享資料清理的經驗，這讓我的學習非常有效率；課堂中的作業，也很有啟發的意義，雖然不是這麼容易就完成，需要一些時間消化、思考老師教過的，但動手自己coding才是學習Python的不二法門，最後是資料視覺化呈現的部分，老師傳授了最夯的matplotlib及seaborn套件繪圖，看到兩三行程式就可以畫出令人讚嘆的圖片，真是讓人太驚喜了！而且用來做簡報或拿給老闆看，不僅容易傳達市場或資料的趨勢，擁有資料分析的能力絕對會對職場有大大的加分，這是堂非常棒的Python課程，推薦給有志學習的大家。 Udemy 線上課程：【增加職場技能】用一個假日進行 Python 資料分析視覺化實戰 成為快樂學習員：為推廣與提升學習 Python 資料分析之環境，提供學習員鼓勵計畫。分享本篇文章做推薦學習至臉書動態牆並來訊「快樂學程式」粉專分享你學習該堂課的動機與該貼文連結，學程式提供八折優惠折扣。被分享數有達10個以上進行申請（oh!你的學習意願有目共睹，必須給你拍拍手），更提供你六折優惠！讓快樂學程式幫助你快樂學習，提升職場競爭力:)   心得出處[email protected]

老師算是我難得一見的口齒清晰、口條極佳的老師，讓課程及操作在行雲流水般優美平順的過程中進行著，也讓學習的邏輯完全環環相扣，讓每一章節及單元都緊密的接續，更加深我的學習思維與效果，而且同步實作自己資料時也還算完全跟的上，算是真的實用。 課程內容雖然偏向入門，但不同於其他入門課程一般那麼多過於基本的陳述（上起課來不會沉悶），反而老師已將主要會用到的入門內容統整出來在第一章節，讓完全新手也能快速理解python的基礎語法與迴圈邏輯等方面。進入第二及第三節章算是完全的實作單元，介紹了資料處理及分析最主要使用的套件: pandas、matplotlib、seaborn三個主流套件，過程算是一步步帶著大家做，而且內容非常豐富且也夠用。建議各位同學可以用自己手邊的資料或是下載一些有一點複雜度的資料，照著老師的單元照著做，會做出來意想不到的結果（我自己是去下載了經濟部主計處的CPI歷年資料）。若覺得跟不上單元的速度還可以暫停直到自己run出來再繼續，完全可以照自己速度來安排上課。 對於資料新手的我來說，這門課還是算有一點跟不上，須要重複上兩次課才懂，實作也才算跟上了，但上完的成就感很大，對於python也更有信心。希望未來老師能再針對廣度及深度出不同的課程，尤其是若能出主題式課程更棒，比如：金融期貨上的應用、股指期貨上ＡＩ的應用等。整體而言算是物超所值的python主題式入門課程，值得大家一起加入學習的行列。   Udemy 線上課程：【增加職場技能】用一個假日進行 Python 資料分析視覺化實戰 成為快樂學習員：為推廣與提升學習 Python 資料分析之環境，提供學習員鼓勵計畫。分享本篇文章做推薦學習至臉書動態牆並來訊「快樂學程式」粉專分享你學習該堂課的動機與該貼文連結，學程式提供八折優惠折扣。被分享數有達10個以上進行申請（oh!你的學習意願有目共睹，必須給你拍拍手），更提供你六折優惠！讓快樂學程式幫助你快樂學習，提升職場競爭力:)   心得出處[email protected]

本篇大綱： 何謂版本控制？ 版本控制的類型和用途 Git介紹和使用者 Git vs Github vs Gitlab 何謂版本控制？ 版本控制系統是一種軟件工程的開發技巧，可以通過這個系統讓每位成員的軟件版本可以方便同步和維護管理 （不然要用電子郵件或其他工具傳送和管理十分麻煩，尤其是程序又常常會有不同版本修改的問題！） 在沒有版本控制系統時，我們常會在編輯檔案前複製一個備份，或者在更新檔案後產生許多重複檔案，非常不便且難以維護。 因此，使用版本控制系統的需求就這樣產生啦！ 版本系統類型和用途 舉例來說：A＆B共同開發專案，有兩種版本控制方法： 1.中央式： 伺服器維護一個最新版本的專案，當要修改專案的時候，就從伺服器上下載專案，改完再上傳。 為了保證伺服器上永遠是最新的，就需要一直保持網路暢通；一旦中央伺服器壞了，一切都將結束。 CVS是最初的版本控制系統，SVN是當前最流行的集中式版本控制系統。上述兩個都是開源，免費的。 2.分散式： 一開始，A本地電腦有一個倉庫，用於存儲“ A對專案的修改”（B也一樣）。 需要更新整個專案的時候，A，B之間就互相點擊“修改”，然後本地倉庫就保存了“所有人該專案的修改”。 因此，每個人都有最新版的專案，斷網斷電也不用擔心。…

在實務上發展應用程式時，除了可以自行開發模組(Module)與套件(Package)外，很多時候會安裝使用第三方套件(Package)，來提升專案的開發效率。 所以本文將介紹如何在PyPI中搜尋所需的Python套件(Package)，並且以Windows作業系統及Visual Studio Code開發工具為例，瞭解Python強大的套件管理工具，讓您有效管理專案中的Python套件(Package)。 由於是在Visual Studio Code的Terminal視窗中下指令的方式來操作，所以使用命令提示字元視窗，也可以達到相同的效果。本文重點包含： PyPI(Python Package Index) pip套件管理工具 pipenv套件管理工具 Pipfile及Pipfile.lock檔案 一、PyPI(Python Package Index) PyPI是一個套件庫，位於https://pypi.org，其中包含了各式各樣的Python套件(Package)，在開發應用程式的過程中，可以到這邊來搜尋是否有所需的功能套件(Package)，安裝後透過引用的方式來進行使用，藉此提升開發效率。 現在就來介紹幾個在使用PyPI時，需要瞭解的基本功能。首先，PyPI的首頁如下圖： 各位可以在搜尋的地方查詢所需的套件，例如搜尋常應用在網路爬蟲的beautifulsoup4套件(Package)，從查詢結果可以看到許多相關的套件(Package)，如下圖： 以beautifulsoup4 4.8.2為例，點進此套件(Package)後，可以看到安裝的指令及最新版的發佈日期，如下圖： 一個套件(Package)要如何使用，一定會有文件可以參考，往下即可看到Documentation的連結，如下圖： 而套件(Package)的版本演進歷史則可以透過左邊的Release history來查看，如下圖： 以上是在使用PyPI上查找套件(Package)時，較常使用的部分，接下來，就來教大家如何透過指令來安裝套件(Package)吧。…

上一篇文章主要介紹如何利用pandas處理字串資料，而這章節的會著重於數值的資料處理以及顯示基礎統計量的方法。在資料分析中，數值資料是非常常見的，而且對於後續的深入分析而言，數值資料能夠讓我們進一步利用推論統計檢定許多因素與目標的關聯性，幫助我們能夠利用檢定結果進行決策，或是發現夠深入的趨勢。   這次我們會使MLB美國職棒大聯盟的各隊歷年統計數據（mlb_team.csv）的公開資料，其中記錄了美國職棒大聯盟從西元1871年至今的各球隊數據，因為最近正好碰到需要分析棒球的運動相關數據，且這份資料大部分的欄位都是數值欄位，正好適合這篇文章主題。 讀取資料： import pandas as pd mlb_teams = pd.read_csv("mlb_team.csv",encode="UTF-8") mlb_teams.head()     向量處理 Vectorize Operations 之前的文章中有提到Pandas是利用向量處理的方式進行資料處理的，所以我們在進行數值運算的時候都是針對單一個欄位將欄位中的所有數值進行相同的運算，如果要針對特定條件的數值進行運算，則需要先進行資料篩選再進行數值處理。 基本上在利用Pandas進行數值運算時，跟我們一般在寫Python計算一樣，只是平常用於運算的變數變成了 DataFrame 物件或是 Series 物件，所以所有Python中的數學運算符，在Pandas都可以直接使用： s = pd.Series() s+11 s-10 s*5…

相信大家都有聽過股票但是選擇權比較鮮少人會特別注意到亦或是想深刻的了解的 其實，台灣人對於金融市場是非常熱衷的，這次Raymod身為一名股權衍生性金融商品交易員來告訴我們 身為一名交易員他對於選擇權中有什麼該注意的，以及選擇權中交易的細節都在這場小聚都仔細地分享給我們！ 對Python＋金融有興趣的朋友可以來到Raymond的部落格走走喔 雷蒙的Python投資筆記版主(https://raymond-investment.com/)   衍生性金融商品介紹 由標的資產延伸(衍生)出來，並可以利用金錢衡量的商品 股票、期貨、利率、外匯、原物料等 高槓桿 → 高風險 什麼是選擇權 定義：有權利於某時間用某價格買進或賣出標的資產 用途：投機或避險 相關參數：買賣權，波動率、標的資產價格、履約價、到期時間、利率 Raymond也舉了1月的總統大選當例子， 總統大選前應該就要先避險 ，也是因爲新的執政黨剛上任會影響金融市場。 要會假想整體局勢，會比較像賭博概念！ 再購入選擇權時，當然也要了解風險，要掌握的住會輸多少 有種「要戰勝敵人，就得先瞭解敵人」的感覺 股票的買入賣入是1:1，選擇權則是1:4，風險這麼高的請況下，這時，我們就是要學選擇權評價 可以幫助我們以下幾點 避免錯價買入或賣出…

上回我們使用最基本的亂數模擬器方法成功模擬出Mike Trout的上壘率，當抽取出來的亂數小於上壘率時，認定為上壘，而亂數大於上壘率時，則認定為出局，用簡單的大於和小於就可模擬出來的模型，股價模型就稍微複雜些了，基本款的股價路徑模型最少具有二種參數與機率分配假設，背後的數學推導與原理就請大家自行去看財務工程相關的書籍了，我們先列出一個股價過程的理論式如下： 有了最基本的理論公式後，首先，我們必須定義出參數，參數可以描述這個股票的特性，例如新興市場股票與成熟市場股票的報酬率與波動度都不一樣，電信與生技公司的股價也會相當不一樣，所以我們必須要利用過去的資料去推估參數的區間範圍。 mu = 0.1 #資產年化報酬率為10% Std = 0.2 #資產年化波動率為20% dt = 1/252. #模擬路徑為每天，每天經過252分之一年 Copy   第一步：先將理論式轉換為Python的計算語言，記得括號設對位置，再用相對應的科學計算函數帶入公式內 S1 = S0 * np.exp((mu - 0.5…

近兩年機器人理財(Robo-Advisor)這個詞大量出現在金融市場中，也有多家國內外金融機構在推銷這種型態的商品，並大量以智能與人工智慧(AI)來作為行銷的關鍵字，今天就要來仔細的分析幾類我所認識的理財機器人系統。 馬可維茲(Morkowitz)的投資組合理論(Portfolio Theory) 馬可維茲於1952年提出了投資組合理論，將金融市場中的各種資產簡化定義成預期報酬率、標準差與相關係數，在假設以上參數均為已知的狀況下，可以進行規劃求解得出「最小風險投資組合(Minimum Variance Portfolio)」與「最適投資組合(Optimal Portfolio)」，大部分的機器人理財業者均是以此種模型進行操作，除了有諾貝爾經濟學獎的加持外，對於現有的程式撰寫有相當的方便，許多程式均有規劃求解的套件可供使用。 馬可維茲的投資組合理論利用數學嚴謹的證明，資產配置對於投資組合波動度與報酬率有顯著的影響，將多種相關係數低的資產配置在一起，能夠降低投資組合波動度與提高預期的報酬率，例如債券與股票呈現負相關時，能夠配置出風險調整後報酬較高的組合，相對於單一股票或債券。 利用馬可維茲現代投資組合理論的機器人理財平台，通常會利用風險問卷來進行投資人分類，例如年齡、投資期間與風險承受度等，透過背後的評分邏輯將使用者分為三至四個風險屬性，假設情況如下： 投資人屬性 可承受年化波動率 積極型投資人 25%以上 穩健型投資人 15%~25% 保守型投資人 15%以下 利用過去各資產類別的走勢去計算報酬率、波動度與相關係數，作為投資組合評估的相關參數，由使用者作答的風險問卷來對應出可承受年化波動度，再以程式進行目標為「固定風險下的最佳報酬率」的最佳化，就可以得到最佳的權重組合。 Smart Beta Beta這個詞在金融市場中，代表市場報酬的相對於資產的變動係數，例如當S&P 500上漲1%時，你的投資組合上漲0.8%，大致可以說Beta為0.8，大多股票市場指數都是以「市值加權」的方式進行編制，背後邏輯就是每天在幫你追高殺低，以2018年為例，如果持有S&P 500指數而言，就會不斷的幫我們增持FAANG(Facebook, Amazon, Apple,…

  每天打程式的你，有想過程式語言變成咖啡，會是什麼味道嗎？ 現在日本推出了一款超爆紅的程式語言咖啡豆「CODE COFFEE」，由日本工程師們挑選出來的！ 總共有 C、Java、Perl、Ruby、Python、JavaScript、Go、Swift 八種口味， 如果你是這幾種程式語言的支持者，一定要來試試看XD 最後還可以在 Github 跟其他工程師交流你的飲後感想唷！ https://www.youtube.com/watch?v=ftSjvrKB3XU&feature=youtu.be 我們來看看這八種程式語言吧！ C語言咖啡豆   「一切的來源－－基本語言咖啡」 由咖啡的來源巴西・哥倫比亞，來調配出一切程式語言的基礎–C語言的滋味。 語言特徵：SIMPLE 咖啡特長：來源 主要咖啡豆：巴西、哥倫比亞 價格／内容量：1000日圓（未稅）／100g Java咖啡豆   「歷史悠久、原始語言咖啡」 Java的LOGO就是一杯熱咖啡，這樣應該不難想像它跟咖啡的歷史其實很深遠吧XD…

【區塊鏈懂不懂】 區塊鏈這個東西近幾年來一直是相當熱門的話題，大家也都紛紛加入這個行列，對於區塊鏈你真的懂它的原理嗎？我的回答是：「不懂」 在談到區塊鏈時，我們可以先來聊聊貨幣。 【貨幣是什麼】 〈貨幣的功能〉 交易媒介 計價單位 價值儲存 〈貨幣的演變〉 過去沒有貨幣產生的時代，人們所使用的方式為以物易物，但這種交易方式相當仰賴一個區域的共識，在A地區可能認為一頭牛換一帶米很合理，但在B地區卻認為一頭牛值得兩袋米的價值，因此，在不同地區進行交易，很難取得一定的共識。而後出現了所謂的金屬，但也因為金屬體積龐大，需要很大的儲存空間否金塊難以存放，到了現代，我們所使用的法幣(法定貨幣)，由政府所發行的紙幣，成為了一種讓貨幣具有上述3種功能的一項媒介。 〈比特幣的誕生〉 然而，科技的進步促使了數位貨幣的出現，也就是大家現在所熟悉的—「比特幣」，由中本聰所發明，雖然目前仍然沒有人知道他的真實身分到底是誰，但卻也帶起了一股新的風潮。 比特幣是2009年所產生的一項數位資產，透過挖礦的流程來進行網路上的驗證交易。比特幣就像是礦產一般，而執行驗證交易的人則被稱之為礦工，以工作量來衡量成效，亦即努力做多少工作就會有多少收穫，預估在2040年時總量共有2100萬顆。 【區塊鏈原理】 〈錢包的概念〉 其實區塊鏈的原理並不難懂，Nic以錢包的概念作為舉例。只要有算法公式就可以隨機產生一個錢包(就將公式想像成數學的二元一次方程式，就會很容易理解囉！)。以下來看看Nic所提到的區塊鏈的名詞： 錢包地址—公鑰 操作錢包並與其配對的—私鑰 只要有了私鑰，就能夠回推出公鑰(也就是錢包的地址)，這裡需要注意的是，只有私鑰可以回推找出公鑰，但不能由公鑰回推找出私鑰唷！說到這裡，一定有人還是會相當好奇，真的沒有辦法從公鑰推出私鑰嗎?這個就需要利用SHA-256加密算法來說明 〈什麼是SHA-256加密算法〉 SHA系列的算法是由美國國家安全局所設計出的一種密碼散列函數，又稱為安全散列算法(Secure Hash Algorithm)，其版本有相當多種，而這裡我們所談到的是SHA-256加密算法。SHA-256加密算法可以想像成是：不論你輸入多少字，所得出來的結果都是256位的2進位字串，如此大的數字組合，造成了破解上的困難。所以說，在有SHA-256加密算法這層障礙下，如果你的錢包還是被偷了，那通常都不是因為被破解，而是透拓其他的手段被竊取，很多時候都是自己在沒注意的情況之下，落入別人的陷阱之中，不小心讓人知道你的私鑰 at https://utees.us/。…