Tutoriais publicados nas nossas redes sociais para obtenção de dados, análises simples e outras tarefas relevantes no mercado financeiro.

Overview

Tutoriais Públicos

GitHub last commit

Tutoriais publicados nas nossas redes sociais para obtenção de dados, análises simples e outras tarefas relevantes no mercado financeiro.

Os tutoriais são publicados principalmente no Instagram e Linkedin da Trading com Dados. Este repositório serve, portanto, como um repositório de conteúdo para quem deseja de forma simples e direta encontrar os códigos produzidos para estes tutoriais.

Faremos o possível para manter esse repositório atualizado e contendo todos os tutoriais de conteúdo que desenvolvemos para nossas redes sociais. No entanto, não podemos garantir que a totalidade do conteúdo estará disponível aqui.

A maior parte dos códigos tem como nome aqui no GitHub o mesmo título do conteúdo no Instagram. Se o nome não for o mesmo, haverá pelo menos similaridade no que está descrito aqui com o título no Instagram.

A forma mais fácil de encontrar os códigos é através do ID presente depois do nome do código, que na verdade é apenas a data quando o código foi postado na seguinte sequência: ano, mês e dia, tudo junto. Exemplo: código criado no dia 03 de janeiro de 2022 possui como ID 20220103.

Atenção: Os códigos desenvolvidos para o canal do YouTube estão em um outro repositório. Para visitá-lo, clique aqui.

REPOSITÓRIO EM CONSTRUÇÃO

2021

  1. Como obter dados de ações em 5 simples passos (2021)
  2. Comece a programar em Python em 1 minuto (2021)
  3. Seu primeiro gráfico de candle no Python em 1 minuto (2021)
  4. Matriz de correlação entre ativos no Python em 5 minutos (2021)
  5. Visualize vários ativos no mesmo gráfico no Python em 5 minutos (2021)
  6. Compare a sua carteira com o IBOV em 5 minutos (20210824)
  7. Obtendo dados de dividendos (20210904)
  8. Matriz de risco vs. retorno no Python (20210919)
  9. Como obter dados de ações no Python (ou ETFs, FIIs, BDRs, cripto, dólar) (20210815)
  10. Compare sua carteira com o CDI (20210904)
  11. Como criar médias móveis simples no Python em 5 minutos (20211105)
  12. Visualize as 7 maiores criptos no Python em 5 minutos (20221108)
  13. Capture a cotação do mini-índice com tempo real no Python utilizando o Metatrader (20211110)
  14. Estudo de caso MGLU (20211208)
  15. Sua carteira bate o dólar? Faça a comparação no Python em 5 minutos (20211209)

2022

  1. Obtenha dados de criptomoedas com Python em menos de 5 minutos (20220103)
  2. Comparação entre carteiras (20220201)
  3. Tutorial sobre Quantstats (20220218)
  4. Descubra os investidores institucionais de um papel com o Python
  5. Você está comparando ativos da forma correta?
  6. Comece a programar em Python em 1 minuto (incluindo gráfico interativo de candle)
  7. Ciclos de Mercado: avaliando a sazonalidade anual do IBOV (20220330)
  8. Spread ações ON/PN: exemplo com PETR3 e PETR4 (20220406)
  9. Maiores crises econômicas pós guerras mundiais em diferentes escalas gráficas (20220423)
Owner
Trading com Dados
Edtech focused on teaching Quantitative Finance and Data Science for Financial Markets.
Trading com Dados
Code for Overinterpretation paper Overinterpretation reveals image classification model pathologies

Overinterpretation This repository contains the code for the paper: Overinterpretation reveals image classification model pathologies Authors: Brandon

Gifford Lab, MIT CSAIL 17 Dec 10, 2022
Memory Efficient Attention (O(sqrt(n)) for Jax and PyTorch

Memory Efficient Attention This is unofficial implementation of Self-attention Does Not Need O(n^2) Memory for Jax and PyTorch. Implementation is almo

Amin Rezaei 126 Dec 27, 2022
PyTorch implementation of DARDet: A Dense Anchor-free Rotated Object Detector in Aerial Images

DARDet PyTorch implementation of "DARDet: A Dense Anchor-free Rotated Object Detector in Aerial Images", [pdf]. Highlights: 1. We develop a new dense

41 Oct 23, 2022
Code release for paper: The Boombox: Visual Reconstruction from Acoustic Vibrations

The Boombox: Visual Reconstruction from Acoustic Vibrations Boyuan Chen, Mia Chiquier, Hod Lipson, Carl Vondrick Columbia University Project Website |

Boyuan Chen 12 Nov 30, 2022
PyTorch implementation for "Sharpness-aware Quantization for Deep Neural Networks".

Sharpness-aware Quantization for Deep Neural Networks Recent Update 2021.11.23: We release the source code of SAQ. Setup the environments Clone the re

Zhuang AI Group 30 Dec 19, 2022
FairMOT for Multi-Class MOT using YOLOX as Detector

FairMOT-X Project Overview FairMOT-X is a multi-class multi object tracker, which has been tailored for training on the BDD100K MOT Dataset. It makes

Jonathan Tan 33 Dec 28, 2022
This is the code for the paper "Jinkai Zheng, Xinchen Liu, Wu Liu, Lingxiao He, Chenggang Yan, Tao Mei: Gait Recognition in the Wild with Dense 3D Representations and A Benchmark. (CVPR 2022)"

Gait3D-Benchmark This is the code for the paper "Jinkai Zheng, Xinchen Liu, Wu Liu, Lingxiao He, Chenggang Yan, Tao Mei: Gait Recognition in the Wild

82 Jan 04, 2023
Framework to build and train RL algorithms

RayLink RayLink is a RL framework used to build and train RL algorithms. RayLink was used to build a RL framework, and tested in a large-scale multi-a

Bytedance Inc. 32 Oct 07, 2022
Deep generative models of 3D grids for structure-based drug discovery

What is liGAN? liGAN is a research codebase for training and evaluating deep generative models for de novo drug design based on 3D atomic density grid

Matt Ragoza 152 Jan 03, 2023
official implementation for the paper "Simplifying Graph Convolutional Networks"

Simplifying Graph Convolutional Networks Updates As pointed out by #23, there was a subtle bug in our preprocessing code for the reddit dataset. After

Tianyi 727 Jan 01, 2023
An educational resource to help anyone learn deep reinforcement learning.

Status: Maintenance (expect bug fixes and minor updates) Welcome to Spinning Up in Deep RL! This is an educational resource produced by OpenAI that ma

OpenAI 7.6k Jan 09, 2023
Denoising Diffusion Probabilistic Models

Denoising Diffusion Probabilistic Models This repo contains code for DDPM training. Based on Denoising Diffusion Probabilistic Models, Improved Denois

Alexander Markov 7 Dec 15, 2022
Image-generation-baseline - MUGE Text To Image Generation Baseline

MUGE Text To Image Generation Baseline Requirements and Installation More detail

23 Oct 17, 2022
Code to reproduce experiments in the paper "Explainability Requires Interactivity".

Explainability Requires Interactivity This repository contains the code to train all custom models used in the paper Explainability Requires Interacti

Digital Health & Machine Learning 5 Apr 07, 2022
TGRNet: A Table Graph Reconstruction Network for Table Structure Recognition

TGRNet: A Table Graph Reconstruction Network for Table Structure Recognition Xue, Wenyuan, et al. "TGRNet: A Table Graph Reconstruction Network for Ta

Wenyuan 68 Jan 04, 2023
This project aims to segment 4 common retinal lesions from Fundus Images.

This project aims to segment 4 common retinal lesions from Fundus Images.

Husam Nujaim 1 Oct 10, 2021
Re-implementation of the vector capsule with dynamic routing

VectorCapsule Re-implementation of the vector capsule with dynamic routing We implement the vector capsule and dynamic routing via graph neural networ

ZhenchaoTang 10 Feb 10, 2022
A general python framework for single object tracking in LiDAR point clouds, based on PyTorch Lightning.

Open3DSOT A general python framework for single object tracking in LiDAR point clouds, based on PyTorch Lightning. The official code release of BAT an

Kangel Zenn 172 Dec 23, 2022
PyTorch implementations of algorithms for density estimation

pytorch-flows A PyTorch implementations of Masked Autoregressive Flow and some other invertible transformations from Glow: Generative Flow with Invert

Ilya Kostrikov 546 Dec 05, 2022
Denoising Normalizing Flow

Denoising Normalizing Flow Christian Horvat and Jean-Pascal Pfister 2021 We combine Normalizing Flows (NFs) and Denoising Auto Encoder (DAE) by introd

CHrvt 17 Oct 15, 2022