Горячее
Лучшее
Свежее
Подписки
Сообщества
Блоги
Эксперты
Войти
Забыли пароль?
или продолжите с
Создать аккаунт
Я хочу получать рассылки с лучшими постами за неделю
или
Восстановление пароля
Восстановление пароля
Получить код в Telegram
Войти с Яндекс ID Войти через VK ID
Создавая аккаунт, я соглашаюсь с правилами Пикабу и даю согласие на обработку персональных данных.
ПромокодыРаботаКурсыРекламаИгрыПополнение Steam

Топ прошлой недели

  • Oskanov Oskanov 8 постов
  • alekseyJHL alekseyJHL 6 постов
  • XpyMy XpyMy 1 пост
Посмотреть весь топ

Лучшие посты недели

Рассылка Пикабу: отправляем самые рейтинговые материалы за 7 дней 🔥

Нажимая кнопку «Подписаться на рассылку», я соглашаюсь с Правилами Пикабу и даю согласие на обработку персональных данных.

Спасибо, что подписались!
Пожалуйста, проверьте почту 😊

Новости Пикабу Помощь Кодекс Пикабу Реклама О компании
Команда Пикабу Награды Контакты О проекте Зал славы
Промокоды Скидки Работа Курсы Блоги
Купоны Biggeek Купоны AliExpress Купоны М.Видео Купоны YandexTravel Купоны Lamoda
Мобильное приложение

Data Science

С этим тегом используют

IT Программирование Машинное обучение Обучение Python Аналитика Искусственный интеллект Все
119 постов сначала свежее
0
Calvinbro
5 месяцев назад

Какое направление выбрать, 1С или аналитика данных?⁠⁠

Имеется высшее техническое , понимаю что по специальности вряд-ли получится уже работать, и заканчивал уже более пяти лет назад, работаю по другой специальности не связанной не с айти не со специальностью. По этому хочу изучить одно из направлений либо 1С либо аналитика данных. По 1С более менее есть дорожные карты изучения, по аналитике не так много конкретики. По вакансиям тоже +- , ну сейчас из-за наплыва в it так везде.
Собственно вот, как определится, и что далее будет более востребованным в будущем? Не хочется просто так потратить время.

1С 1с:предприятие 8 Data Science Программирование Карьера Обучение Дистанционное обучение IT Айтишники Текст Выбор Нужен совет
14
DirstGuy
DirstGuy
6 месяцев назад
Серия Полный разбор альтсезонов в 3х частях.

Полный разбор альтсезонов. Часть 3. Зависимости доходности от параметров криптовалют⁠⁠

В 1й статье мы разбирались как вели себя различные портфели из альткоинов за каждый сезон. Вот часть 1.

Во 2й мы выясняли наиболее вероятную дохоность монет по альтсезонам. Вот часть 2

Сегодня мы посмотрим есть ли какие-то зависимости в доходностях от параметров монет.

Если хотите быть в курсе новых статей и читать полезное про крипту, деньги и экономику, то заходите ко мне на канал в телеге. Всех жду :)

Что делаем?

Я возьму все монеты на дату альтсезона и соберу по ним:

  • капитализация

  • позиция по coinmarketcap

  • эмиссия

  • рост за последние 7 дней

  • объем за 24 часа

  • дата добавления на coinmarketcap

Потом я построю корреляцию с доходностью для каждого из этих параметров. Груба говоря — растет ли профит с монеты если растет ее капитализация, или наоборот.

  • 1 — есть корреляция

  • 0 — нет корреляции

  • -1 — есть обратная корреляция

Естественно промежуточные значения определяет силу того как один параметр следует за другим.

1й альтсезон

Полный разбор альтсезонов. Часть 3. Зависимости доходности от параметров криптовалют Финансовая грамотность, Биткоины, Криптовалюта, Заработок в интернете, Трейдинг, Длиннопост, Криптобиржа, Ethereum, Крипторынок, Data Science, Аналитика, Альткоины

видно , что единственная сильная корреляция между рангом и капитализацией, оно и понятно ведь ранг монет на coinmarketcap составляется по капитализации.

2й альтсезон

Полный разбор альтсезонов. Часть 3. Зависимости доходности от параметров криптовалют Финансовая грамотность, Биткоины, Криптовалюта, Заработок в интернете, Трейдинг, Длиннопост, Криптобиржа, Ethereum, Крипторынок, Data Science, Аналитика, Альткоины

Тут абсолютно такая же картина, нет никаких значимых зхависимостей.

Пробный фундаментальный анализ

Я закинул также часть монет из топа по профиту в chatgpt, вот что он выдал.

Многие проекты из списка стремились решить специфические проблемы: безопасность (QRL), децентрализованное финансирование (IDLE, BOR), идентификация (IDNA), или инфраструктура (RISE).

Конечно это только для заметки, так как это слабый фундаментальный анализ.

Сейчас

Полный разбор альтсезонов. Часть 3. Зависимости доходности от параметров криптовалют Финансовая грамотность, Биткоины, Криптовалюта, Заработок в интернете, Трейдинг, Длиннопост, Криптобиржа, Ethereum, Крипторынок, Data Science, Аналитика, Альткоины

Ну и тут ничего нового — нет зависимостей.

Показатели по криптовалютным сферам

Я смог выделить теги по валютам, то есть условные сферы криптобизнеса в которых альткоины задействованы. И выделил следующие показатели

  • тег

  • средний доход по тегу

  • количество монет в теге

  • количество монет с отрицательной доходностью

Разбивка по сезонам

1й альтсезон — теги не доступны в истории
2й альтсезон
сейчас

Если посмотреть в эти файлы, то можно выделить несколько тегов, которые дали максимум профита. И конечно лучше смотреть по количеству монет в теге, чем больше тем показательней вливание капитала в сферу. Также стоит учитывать, чтобы количество альткоинов с отрицательной доходностью было не большое в % к общему количеству.

Откидывая теги в которых количество монет = пара штук:

2 альтсезон:

самый топ:
gaming - 2824%
collectibles-nfts - 2474%

Монет больше 100:
defi — 645%
payments — 448%

тут аж за 200 монет
mineable — 469%

сейчас

самый топ:
store-of-value — 93%
dcg-portfolio — 86%

монет больше 100:
smart-contracts — 58%
layer-1 — 56%
ai-big-data — 42%
ethereum-ecosystem — 38%

монет больше 200:
defi — 36%
collectibles-nfts — 32%
gaming — 28%
memes — 26%
ethereum-ecosystem — 38%

Как падает вероятная доходность при уменьшении портфеля.

В прошлой статье мы набирали 50 монет в портфель и проводили симуляцию распределения доходностей если 2000 инвесторов купять эти 50 рандомных альткоинов.

Сейчас я хочу знать, а что происходит с вероятной портфельной доходностью если уменьшать количество монет в нём.

Проведем 9 симуляций от 50 до 10 монет в портфеле (-5 монет каждый раз), в каждой симуляции проведем 1 симуляцию распределения доходностей по портфелям 1000 инвесторов и получим наиболее вероятную доходность (моду). Подробное объяснение симуляций порфелей криптовалют было в прошлой статье.

по X — количество монет
по Y — наиболее вероятная доходность

1й альтсезон

Полный разбор альтсезонов. Часть 3. Зависимости доходности от параметров криптовалют Финансовая грамотность, Биткоины, Криптовалюта, Заработок в интернете, Трейдинг, Длиннопост, Криптобиржа, Ethereum, Крипторынок, Data Science, Аналитика, Альткоины

2й альтсезон

Полный разбор альтсезонов. Часть 3. Зависимости доходности от параметров криптовалют Финансовая грамотность, Биткоины, Криптовалюта, Заработок в интернете, Трейдинг, Длиннопост, Криптобиржа, Ethereum, Крипторынок, Data Science, Аналитика, Альткоины

3й альтсезон

Полный разбор альтсезонов. Часть 3. Зависимости доходности от параметров криптовалют Финансовая грамотность, Биткоины, Криптовалюта, Заработок в интернете, Трейдинг, Длиннопост, Криптобиржа, Ethereum, Крипторынок, Data Science, Аналитика, Альткоины

Конечно для 3го альтсезона не очень актуально, т.к. там всего 23 дня. Но кажется если в портфеле меньше 35 криптомонет, то наиболее вероятная доходность начинает резко падать.

Выводы

Зависимости от параметров

Как мы видим профит по монете не зависел ни от чего линейно. То есть, например, с ростом капитализации нельзя было ожидать увеличения дохода и наоборот.

Конечно это не значит, что нет еще параметров, может в твиттере какую-то сверх доходную монету пушили, или в ютубе. Пока я просто буду считать, что выбор криптомонеты это в целом случайность, с лучшими шансами из топа капитализации.

Сферы куда течет капитал

На мой субъективный взгляд это defi, ии, nft, игры, платежи, мемы. Может быть у вас сложится свое впечатление если вы изучите полный список тегов в файлах.

Зависимость вероятной доходности от количества монет в портфеле

После 35 монет доходность начинает убывать стремительно, следовательно, чтобы портфель был достаточно диверсифецирован нужно иметь около 35 монет в портфеле.

Мне есть, что сказать по всем 3м статьям и у меня есть план действия. Полные выводы по всем 3м альтсезонам предлагаю изучить у меня в телеграмм канале. До встречи.

Показать полностью 6
[моё] Финансовая грамотность Биткоины Криптовалюта Заработок в интернете Трейдинг Длиннопост Криптобиржа Ethereum Крипторынок Data Science Аналитика Альткоины
0
DirstGuy
DirstGuy
6 месяцев назад
Серия Полный разбор альтсезонов в 3х частях.

Полный разбор альтсезонов. Часть 2. Анализ вероятной доходности⁠⁠

В прошлый раз мы разбирались как вели себя различные портфели из альткоинов за каждый сезон. Вот часть 1.

Будет еще 3я часть в которой мы будем решать, можно ли как-то просчитать стратегию покупки альткоинов. Если хотите быть в курсе выхода статьи и читать полезное про экономику, деньги криптовалюты, то заходите ко мне на канал в телеге, у нас уютно и можно пообщаться в комментах :)

Наиболее вероятная доходность

Давайте сделаем симуляцию. Возьмем 2000 человек со своим видением рынка, они купят 50 “Перcпективных” альткоинов случайно (конечно же каждый думает, что умеет анализировать рынок и его выбор грамотный).

Потом мы возьмем доходность каждого из наших инвесторов и построим график доходностей. По X доходность. По Y количество наших криптоинвесторов. Это будет вероятностное распределение, по которому можно достать интересную информацию.

На графиках встретится 3 показателя

  • медиана — половина всех значений находится выше или ниже этой доходности

  • мода — наиболее часто встречающееся значение доходности. Наиболее вероятный исход нашего инвестирования. То есть большинство инвесторов получило именно такую доходность.

  • среднее(математическое ожидание) — показательно только если распределение симметричное в виде колокола(нормальное), т.к. совпадает с модой и медианой. В не симметричном распределение, оно отображает ожидаемую доходность — т.е. если мы инвестировали много раз постоянно, то наша доходность была бы такой. Но в данном случае это не релевантно т.к. мы купили и забыли.

1й альтсезон

Провел симуляцию и получил бимодальное распределение где есть два горба.

Полный разбор альтсезонов. Часть 2. Анализ вероятной доходности Криптовалюта, Биткоины, Альткоины, Аналитика, Крипторынок, Data Science, Ethereum, Криптобиржа, Финансовая грамотность, Заработок в интернете, Трейдинг, Длиннопост

То есть небольшая часть инвесторов получит в среднем супердоходность, а часть в среднем хорошую. Надо заметить что даже у малой части инвесторов доходность положительная.

Но откуда взялся второй горб справа? Оказалось, чтобы стать счастливчиком с супердоходностью надо, чтобы в портфеле была всего одна монета XVG.

Убиваем правый горб

Если убрать монету XVG из нашего списка монет для выбора инвесторов, то наше распределение, станет чуть более “нормальным”.

Полный разбор альтсезонов. Часть 2. Анализ вероятной доходности Криптовалюта, Биткоины, Альткоины, Аналитика, Крипторынок, Data Science, Ethereum, Криптобиржа, Финансовая грамотность, Заработок в интернете, Трейдинг, Длиннопост

Если сделать допущение, что распределение нормальное(что не совсем так), то мат. статистика говорит нам:

  • с вероятность 68% при тыкании пальцем в небо и выбрав 50 монет для покупки, ваша доходность была бы от 9011% до 14056% со средним 11533%

  • если бы вы были совсем неудачник то доходность была бы ~4800%

Конечно это только если вы успели бы выйти на пике, что маловероятно, но доходности постфактум хороши.

2й альтсезон

Проделываем то же самое. И у нас опять бимодальное распределение.

Полный разбор альтсезонов. Часть 2. Анализ вероятной доходности Криптовалюта, Биткоины, Альткоины, Аналитика, Крипторынок, Data Science, Ethereum, Криптобиржа, Финансовая грамотность, Заработок в интернете, Трейдинг, Длиннопост

Обратите внимание на концентрацию доходностей (на то какой тонкий первый горб) и на то как мало суперуспешных инвесторов справа.

Убираем супер альткоин из выборки

Естественно есть супер монета которая в симуляции встречается во втором горбе — в этот раз это COCOS — которая мощно выросла на 311505.8701%. Убираем ее из выборки и смотрим:

Полный разбор альтсезонов. Часть 2. Анализ вероятной доходности Криптовалюта, Биткоины, Альткоины, Аналитика, Крипторынок, Data Science, Ethereum, Криптобиржа, Финансовая грамотность, Заработок в интернете, Трейдинг, Длиннопост

Это уже совсем не “нормальное” распределение. Называется оно логнормальное и наиболее вероятная доходность у него — 368%

  • Подробнее про разницу в распределениях будет в выводах.

  • хорошая новость, что если мы совсем в пролете, доходность будет около 100% все равно.

  • но если мы самые везучие — доходность около 1800%.

Доходность топа по капитализации

Интересно, что если ограничить выборку на 153 криптовалюты в топе по капитализации, как в 1м альтсезоне, распределение становится чуть более “нормальным” и самая вероятная доходность тоже становится выше — 586%.

Полный разбор альтсезонов. Часть 2. Анализ вероятной доходности Криптовалюта, Биткоины, Альткоины, Аналитика, Крипторынок, Data Science, Ethereum, Криптобиржа, Финансовая грамотность, Заработок в интернете, Трейдинг, Длиннопост

А если ограничить на 153 из низа топа, то наиболее вероятная доходность 368%

Текущий сезон

Крипты у нас больше (больше 2000 монет) и всего 23 дня — пусть будет 3000 инвесторов в симуляции.

Снова получается логнормальное распределение уже без супервалюты (возможно она будет позже).

Полный разбор альтсезонов. Часть 2. Анализ вероятной доходности Криптовалюта, Биткоины, Альткоины, Аналитика, Крипторынок, Data Science, Ethereum, Криптобиржа, Финансовая грамотность, Заработок в интернете, Трейдинг, Длиннопост

Пока наиболее вероятная доходность 22% за 23 дня (с 11 ноября — 4 декабря 2024).

Доходность топа по капитализации

Но если опять взять топ 153 криптовалюты по капитализации то распределение очень близко к нормальному и доходность 50%:

Полный разбор альтсезонов. Часть 2. Анализ вероятной доходности Криптовалюта, Биткоины, Альткоины, Аналитика, Крипторынок, Data Science, Ethereum, Криптобиржа, Финансовая грамотность, Заработок в интернете, Трейдинг, Длиннопост

Дополнительные симуляции 1го и 2го альтсезонов

Не буду перегружать статью графиками, я провел симуляцию на 23 дня за 1й и 2й альтсезоны:

  • в 1м альтсезоне ожидаемая доходность была около 44% и распределение похоже на нормальное с аномалией в правом хвосте. Часть монет сильно стрельнула вначале, из-за этого инвесторы державшие это монеты получили доходность выше среднего, это были PIVX DIME CRW

  • во 2м альтсезоне ожидаемая доходность была примерно такая же как сейчас и распределение логнормальное. За исключением очень маленьких случайных выборок монет которые дали 1000% в первые 23 дня.

Выводы

Отличия вероятностных распределений:

Чем отличаются нормальное распределение (в форме симметричного колокола) и логнормальное (не симметричное с длинным правым хвостом). Моя интерпретация:

  • в 1м альтсезоне (не учитывая много валют, которые в выборку не попали из-за отстутсвия данных) доходности распределены нормально на 154 криптовалюты — другими словами если бы мы купили любые 50 монет то с большой вероятностью доходность была бы высокой и лишь очень маленкий шанс был попасть на еще большую доходность. Росло тогда все из топа капитализации и можно было действительно тыкнув пальцем в небо получить 10ки тысяч %.

  • во 2м альтсезоне выборка из 1583 криптовалют, сам рынок стал больше и сложнее и распределение превратилось в логнормальное, а доходность стала очень умеренной по сравнению с 1м альтсезоном. Такое ассиметричное распределение говорит — чтобы получить сверх доходы надо было действительно выбирать активы (можно ли было их действительно осознанно выбрать вопрос другой), если бы мы выбирали 50 монет случайно, то скорее получили бы умеренную доходность, но шанс получить доходность выше все же не такой маленький из-за длинного правого хвоста. Интересно, что случайно выбрав 50 монет из 158 топовых по капитализации мы получаем распределение близкое к нормальному и наиболее вероятную доходность выше в 2 раза.

Сводка по доходностям

Статистика не врет, если бы мы тыкали пальцем в небо и покупали бы по 50 монет из всех доступных по капитализации…

а это, напоминаю, от 100к$ в 1м альтсезоне, от 1$млн во 2м., и в текущем от 50$к

…то наша наиболее вероятная доходность по альтсезонам:

1й альтсезон ~ 11533% (если бы XVG не попала к нам в портфель)
2й альтсезон ~ 368% (если бы COCOS не попала к нам в портфель)
сейчас ~ 22%

А если мы берем только 153 альткоина из топа (как в 1м сезоне) то доходность выше:

2й альтсезон ~ 586%
сейчас ~ 51%

2 альтсезона конечно все еще мало для однозначных статистических выводов, но если бы мне пришлось выбирать случайно, я выбирал бы криптомонеты из топ 150 по капитализации.

В 3й части мы посмотрим есть ли зависимость доходности от различных параметров монет (капитализация, объем, эмиссия, рост монеты на дату и др.), а также посмотрим успешность альткоинов из разных секторов крипторынка и узнаем влияет ли количество монет в портфеле на средний доход.

Будет интересно, чтобы быть в курсе заходите на мой канал в телеге и до встречи.

Показать полностью 7
[моё] Криптовалюта Биткоины Альткоины Аналитика Крипторынок Data Science Ethereum Криптобиржа Финансовая грамотность Заработок в интернете Трейдинг Длиннопост
0
DirstGuy
DirstGuy
6 месяцев назад
Серия Полный разбор альтсезонов в 3х частях.

Полный разбор альтсезонов. Часть 1⁠⁠

UPD:

ссылка на телеграмм канал поменялась. Заходим Здесь

О чем речь?

Альтсезон — это период активного роста альткоинов (альтернативных биткоину криптовалют), который сопровождается значительным увеличением их стоимости и объема торгов. Для многих инвесторов это возможность получить сверхприбыль.

Я много информации прочитал про это явление, но нигде не видел нормальной аналитики, везде только и речь, что про иксы и сверхдоходы, рекламируют какие то монеты и прогнозируют даты начала и конца.

Я поделил статью на несколько частей с разными исследованиями, если хотите быть в курсе выхода и вообще читать про деньги, криптовалюты и экономку, то заходите ко мне на канал в телеге, у нас уютно и можно похоливарить в комментах :)

Гипотетическое начало и длина альтсезонов:

В открытых источниках я нашел информацию о длине — 310 дней и начале через ~230 дней после халвинга, что дает нам следующие даты:

1. 2017–03–01 — 310 дней
2. 2021–01–03 — 310 дней
3. Сейчас — обещают 10 декабря 2024 и конец в октябре. Замеры начинаю с 11 ноября, именно тогда я заметил сильный рост у разных альткоинов.

Я сильно скептически настроен, т.к. 2 альтсезона в прошлом это вообще не статистика — это ниочем. Но удивительно, что все “криптоаналитики” дружно рассказывают, что щас будет альтсезон и мы “иксанем”. Есть даже индекс альтсезона, который показывает начало.

Просто представьте себе ситуацию — вы подбрасываете монетку и она 2 раза дает решку, такое ведь может быть? И перед тем как бросить в третий раз вы рассказываете про тенденцию — вот я бросал монетки и оказывается, они были брошены все ровно через час после ужина — ну всё, ждём решку сразу как поедим. Конечно я преувеличиваю, но суть похожая.

Сбор данных

Этот раздел можете пропустить если вам не интересно откуда данные взялись

Я хотел собрать данные с централизованных бирж, но оказалось им не очень много лет, и данные по многим криптовалютам начинаются с 2020-х годов. Наиболее полная история хранится на coinmarketcap. С другой стороны АПИ с историей у них стоит 700 долларов — дух свободы криптовалют в действии :)

Тем не менее я смог отыскать нужные мне публичные апи запросы на страницах сайта и использовал их, не без хитростей, чтобы собрать данные по всем нужным монетам.

Coinmarketcap хранит снимки топов по капитализации за каждый месяц аж с 2012 года, их я и взял за основу для моего моделирования (об этом ниже).

Я собирал данные топ монет по капитализации вплоть до 50000$ за даты предыдущих альтсезонов. Часть дат была утеряна, но я добавил в пробелы значения из ближайших соседних дат, думаю это вряд ли сильно скажется на модели. Часть глубокой истории криптовалют вообще на сегодня не доступна, часть валют “умерло”.

В итоге получилось что в 1м альтсезоне монеты с минимальной капитализацией — от 100k$, а во втором от 1млн$

Итого получилось

  • 2017 — 154 криптовалюты.

  • 2021 — 1583 криптовалюты.

  • 2024 — 2550 криптовалют

Что моделируем?

Береме портфель из всех имеющихся монет. Он не взвешивается по капитализации, все валюты из исследования покупаются в равных долях и не ребалансируются в процессе.

Другими словами модель показывает как бы рос портфель если бы мы
просто купили на 100$ всех валют из выборки и подождали.

  • Также из портфеля исключены стейблкоины и биткоин — у нас альтсезон.

  • Выбирались монеты с капитализаций не меньше 50000 долларов на дату, но "выжившие" имели капитализацию выше.

  • Топ криптовалют сортированы по капитализации в нисходящем порядке в файлах с доходностями по валютам.

1-й Альтсезон

Полный разбор альтсезонов. Часть 1 Криптовалюта, Биткоины, Альткоины, Аналитика, Крипторынок, Data Science, Ethereum, Криптобиржа, Финансовая грамотность, Заработок в интернете, Длиннопост

Портфель из 154 криптовалют — 15753.8221%
Топ 50: 9828.4738%
Последние 50: 16893.1134%
50 из середины списка: 21064.4946%

посмотреть как росли альткоины отдельно

2-й альтсезон

Полный разбор альтсезонов. Часть 1 Криптовалюта, Биткоины, Альткоины, Аналитика, Крипторынок, Data Science, Ethereum, Криптобиржа, Финансовая грамотность, Заработок в интернете, Длиннопост

Не очень похоже на первый альтсезон, не так ли?

Портфель из всех 1583 криптовалют — 760.1401%

Так как криптовалют стало больше я сделал больше разных тестов

Топ 50: 347.5088%
Топ 100: 524.5401%
Последние 50: 1474.3591%
Последние 100: 936.1958%
50 из середины списка: 202.1525%
100 из середины списка: 347.2464%

посмотреть как росли альткоины отдельно

Что за Шпик в середине? А это монета NBR, которая дала 5860514.3281% за весь сезон. Но это аномалия, вряд ли можно было осознанно ее выбрать для покупки тогда.
Вот график второго альтсезона без аномалии.

Полный разбор альтсезонов. Часть 1 Криптовалюта, Биткоины, Альткоины, Аналитика, Крипторынок, Data Science, Ethereum, Криптобиржа, Финансовая грамотность, Заработок в интернете, Длиннопост

Перепроверка длины альтсезона

Давайте попробуем сократить количество дней до 76 (до первого пика) и посмотреть какой рост % тогда.

Портфель из всех 1582 криптовалют: 1421.9910%
Топ 100: 328.8434%
100 из середины списка: 208.6169%
Последние 100: 510.6677%
Последние 50: 737.7544%

3-й альтсезон (сейчас)

Альтсезон обещают с 10 декабря.

Здесь я начинаю замеры от 2024–11–11 + 23 дня т.к. заметил рост разных альткоинов именно на эту дату.

Полный разбор альтсезонов. Часть 1 Криптовалюта, Биткоины, Альткоины, Аналитика, Крипторынок, Data Science, Ethereum, Криптобиржа, Финансовая грамотность, Заработок в интернете, Длиннопост

Всего 2550 криптовалют: 29.6286%
Топ 50: 53.1771%
Топ 100: 53.0357%
Последние 50: 8.0515%
Последние 100: 16.8436%
50 из середины списка: 15.3312%
100 из середины списка: 29.2332%

посмотреть как росли альткоины отдельно

Промежуточные выводы:

Пока все что я вижу общего у первых альтсезонов, так это то что они оба дали прибыль. Но в 1м случае самый большой рост был в конце, а во втором, в начале. Да и сами графики — если первый выглядит более менее устойчиво, то по второму вообще не скажешь, что там действительно какой-то невероятный рост, если не смотреть в цифры.

Хотя надо признать 700% за 310 дней во втором альтсезоне это очень не плохо. Но с другой стороны, а такие росты только в эти даты происходили, а будут происходить еще? А если другие промежутки померить?

Закономерности?

Еще, что интересно, самый большой рост в портфелях 1х альтсезонов в 50 монетах с самой низкой капитализацией. Это не значит, что все скупали самые дохлые монеты. Просто в этот список попало несколько монет с очень большим ростом, в то время как большинство дало либо отрицательную доходность, либо не большую.

Отрицательная доходность:

  1. В 1м альтсезоне ее…. не было!!!???

  2. Во 2м альтсезоне отрицательными были 27% монет из собранных мной.

Важно — Также помните, что для многих монет истории нет, следовательно неизвестно как картина выглядела на самом деле. Для 1го альтсезона все изученные монеты только с капитализацией от 100k$, а для 2го только от 1млн$. Может быть на дне капитализации стреляли все супериксами или наоборот все уходили в минус.

Дальше мы будем делать симуляцию случайного выбора монет из всего списка. Чтобы быть в курсе заходите на мой канал в телеге. До встречи.

Показать полностью 4
[моё] Криптовалюта Биткоины Альткоины Аналитика Крипторынок Data Science Ethereum Криптобиржа Финансовая грамотность Заработок в интернете Длиннопост
8
4
montig
montig
8 месяцев назад

Синьор смотрит как работает джуниор⁠⁠

Синьор смотрит как работает джуниор Мемы, Милота, Юмор, IT, Data Science, Linux, Windows, Server error
Показать полностью 1
Мемы Милота Юмор IT Data Science Linux Windows Server error
1
428
pikabu.education
pikabu.education
9 месяцев назад
Серия Программирование

5 книг, чтобы лучше понимать Data Science⁠⁠

Data Science — это динамичная и быстроразвивающаяся область, которая требует от специалистов не только глубоких знаний, но и постоянного самообразования. Важным преимуществом работы в этой сфере является высокий уровень заработка: специалисты Data Science востребованы на рынке, и их доходы могут быть весьма значительными. Чтобы быть в числе лучших и уверенно двигаться вперед, важно опираться на проверенные источники знаний. Мы собрали список из пяти книг, которые стоит прочитать каждому специалисту по Data Science:

  • «Распознавание образов и машинное обучение», Кристофер Бишоп
    Классическое руководство по машинному обучению, которое охватывает базовые и продвинутые методы: байесовские модели, деревья решений и методы снижения размерности. Незаменимая книга для тех, кто хочет глубже понять теорию и методы машинного обучения.

  • «Глубокое обучение», Ян Гудфеллоу, Иошуа Бенджио и Аарон Курвилль 
    В книге рассматриваются ключевые аспекты нейронных сетей, сверточных и рекуррентных сетей, их применение в реальных задачах.

  • «Прикладное машинное обучение с помощью Scikit-Learn, Keras и TensorFlow», Орельен Жерон 
    Это скорее практический гид по машинному обучению, который содержит множество примеров и кодов на Python. В книге описаны популярные библиотеки Scikit-Learn, Keras и TensorFlow.

  • «Основы статистического обучения. Интеллектуальный анализ данных, логический вывод и прогнозирование», Тревор Хасти, Роберт Тибширани, Джером Фридман 
    Это пособие по статистическому обучению и машинному обучению. Книга богата теоретическим материалом и практическими заданиями, которые помогут понять и научиться применять сложные методы анализа данных.

  • «Data Science для бизнеса» Фостер Провост, Том Фосетт 
    Книга помогает понять, как правильно интерпретировать данные, какие методы применять в конкретных ситуациях и как интегрировать Data Science в бизнес-процессы.

Эти книги помогут не только углубить знания, но и применить их на практике и подойдут начинающим специалистам и тем, кто уже имеет опыт в области Data Science.

Показать полностью
Книги Data Science Учеба Обучение Что почитать? Текст
61
1
MINIMAX13
9 месяцев назад

Изучение базы данных⁠⁠

Всем привет!
Подскажите, пожалуйста, с чего начать изучение базы данных (создание, управление итд). Из языков знаю python на базовом уровне.
Для начала хотел бы создать базовый телефонный справочник, ну или что-то похожее для понимания технологии и принципа (буду признателен за другие примеры). В будущем хотел бы для инструментальной кладовой создать программку с выдачей инструмента в цех (кто, когда получил и какой остатот на складе, но это в будущем).
Хотел бы у вас попросить поэтапные шаги для изучения.

Python Data Science SQL Программирование Текст
16
pikabu.education
pikabu.education
9 месяцев назад
Серия Программирование

Лучшие курсы по Data Science⁠⁠

В этой подборке мы собрали лучшие курсы, которые охватывают весь спектр необходимых навыков: от базового программирования и работы с данными до создания сложных моделей машинного обучения и нейронных сетей. Каждый курс также включает помощь в подготовке к трудоустройству по профессии Data Scientist.

Мы тщательно анализируем плюсы и минусы каждого курса, опираясь на мнение пользователей как на нашей платформе, так и на других ресурсах. Изучите реальные отзывы студентов и найдите подходящий для вас курс на платформе Pikabu Курсы.

  • Курс «Data Scientist» от Бруноям

  • Курс «Data Scientist с нуля до Junior» от Skillbox

  • Курс «Data Scientist» от Академия Eduson

  • Курс «Data Scientist» от ProductStar

Лучшие курсы по Data Science Обучение, Data Science, Образование, Учеба, IT, Длиннопост

Обзор курсов

1. Курс «Data Scientist» от Бруноям
Вы научитесь программировать на Python, использовать машинное обучение и нейронные сети для анализа данных, работать с библиотеками NumPy и pandas, визуализировать данные с помощью matplotlib, а также применять SQL и математические методы для обработки данных.

Лучшие курсы по Data Science Обучение, Data Science, Образование, Учеба, IT, Длиннопост

Цена: 181 500 ₽
Цена со скидкой: 108 900 ₽
Длительность: 8 месяцев.
Документ об окончании: сертификат.

Плюсы:

  • четкая структура и последовательность;

  • широкий спектр тем;

  • практическая направленность;

  • помощь с трудоустройством;

  • год поддержки наставника после обучения;

  • налоговый вычет.

Минусы:

  • из-за большого количества тем курс может быть сложным для новичков;

  • нашли отзывы с жалобами на то, что времени на изучение потребовалось больше, чем заявлено на сайте.

Посмотреть программу курса >>>

2. Курс «Data Scientist с нуля до Junior» от Skillbox
Вы научитесь разрабатывать и обучать модели машинного обучения, использовать инструменты Python, Git, Power BI, Jupyter Notebook и Airflow для выполнения задач Data Science.

Лучшие курсы по Data Science Обучение, Data Science, Образование, Учеба, IT, Длиннопост

Цена: 260 084 ₽
Цена со скидкой: 130 042 ₽
Длительность: 9 месяцев.
Документ об окончании: сертификат.

Плюсы:

  • четкая структура и последовательность;

  • практическая направленность;

  • гарантия трудоустройства;

  • 2 специализации на выбор;

  • бесплатный доступ к инфраструктуре Yandex Cloud на время обучения;

  • курс «Карьера разработчика» в подарок;

  • доступ к курсу навсегда.

Минусы:

  • нашли отзыв с жалобой, что времени на изучение потребовалось больше, чем заявлено на сайте.

Посмотреть программу курса >>>

3. Курс «Data Scientist» от Академия Eduson
Вы научитесь применять методы Data Science для решения бизнес-задач, разрабатывать и внедрять модели машинного обучения, анализировать данные с использованием Python, SQL, и статистических методов, а также эффективно презентовать результаты анализа и взаимодействовать с командой.

Лучшие курсы по Data Science Обучение, Data Science, Образование, Учеба, IT, Длиннопост

Цена: 368 496 ₽
Цена со скидкой: 147 384 ₽
Длительность: 9 месяцев.
Документ об окончании: диплом или удостоверение о повышении квалификации.

Плюсы:

  • широкий спектр тем;

  • практическая направленность;

  • глубокое погружение в программирование;

  • помощь с трудоустройством;

  • курс обновлен весной 2023 года;

  • курс «Английский для IT-специалистов» в подарок;

  • доступ к материалам и обновлениям курса навсегда;

  • налоговый вычет.

Минусы:

  • из-за большого количества тем курс может быть сложным для новичков;

  • высокая цена без скидки.

Посмотреть программу курса >>>

4. Курс «Data Scientist» от ProductStar
Вы научитесь применять машинное обучение для решения различных задач, разрабатывать рекомендательные системы и системы анализа данных, а также свободно использовать SQL и искусственный интеллект.

Лучшие курсы по Data Science Обучение, Data Science, Образование, Учеба, IT, Длиннопост

Цена: 202 500 ₽
Длительность: 6 месяцев.
Документ об окончании: сертификат.

Плюсы:

  • широкий спектр тем;

  • практическая направленность;

  • постепенное усложнение материала;

  • помощь с трудоустройством;

  • курс обновлен в 2024 году.

Минусы:

  • из-за большого количества тем курс может быть сложным для новичков;

  • высокая цена.

Посмотреть программу курса >>>

Реклама. ООО БРУНОЯМ, ИНН 7840502496, ЧОУ ЧАСТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ДОПОЛНИТЕЛЬНОГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ ОБРАЗОВАТЕЛЬНЫЕ ТЕХНОЛОГИИ СКИЛБОКС (КОРОБКА НАВЫКОВ), ИНН 9704088880, ООО Эдюсон, ИНН 7729779476, ООО ТРИВИУМ, ИНН 7806297293.

Показать полностью 5
Обучение Data Science Образование Учеба IT Длиннопост
1
Посты не найдены
О Нас
О Пикабу
Контакты
Реклама
Сообщить об ошибке
Сообщить о нарушении законодательства
Отзывы и предложения
Новости Пикабу
RSS
Информация
Помощь
Кодекс Пикабу
Награды
Команда Пикабу
Бан-лист
Конфиденциальность
Правила соцсети
О рекомендациях
Наши проекты
Блоги
Работа
Промокоды
Игры
Скидки
Курсы
Зал славы
Mobile
Мобильное приложение
Партнёры
Промокоды Biggeek
Промокоды Маркет Деливери
Промокоды Яндекс Путешествия
Промокоды М.Видео
Промокоды в Ленте Онлайн
Промокоды Тефаль
Промокоды Сбермаркет
Промокоды Спортмастер
Постила
Футбол сегодня
На информационном ресурсе Pikabu.ru применяются рекомендательные технологии