Adv Python HKPU 2025 (Under Construction)

 Advanced Python

L1: 29 Mar 2025

Top Skills for Data Nerds: https://datanerd.tech/

Github: https://github.com/1eo1ui/2025-advanced-python

Github tutorial beginning video: https://youtu.be/iv8rSLsi1xo?si=a9oKgYuUxFDh-YNe

Github   =   

   Data analyst / Programmer's cloud drive + their hub of Social media (like Facebook, Instagram)

Github basics (木子AI研究所): https://youtu.be/FopO8IQLX_E?si=8BEq6-PF4acPHAbS

• Free open-source apps & tools + with the top-world-class resources: 
• Learn English
• Exam questions & solutions
• Programming
• e-Books
• PPT templates / examples
• Weekly / monthly magazine

1) Github interesting projects - Hello Github: https://hellogithub.com/en

2) Github Searching: a) search without an objective / a specific purpose; b) search to solve a problem

 a) search without an objective / a specific purpose: Github search --> Like a news page, Your clicking "Star" will tell your interest to the Github's AI engine, so that he can recommend some projects that may attract you!! Github > Home - it is a Dashboard ==> "Explore"

• Explore   >   Topics

• e.g. Chrome Extension   >   Chrome Extension of Video dwonload:

 

 

Download Github Desktop at: desktop.github.com

Learn Github: w3schools Github tutorial

• W3schools Python OOP Class or Objects  https://www.w3schools.com/python/python_classes.asp

• YouTube: 我每天都用的AI工具，幫我節省幾十萬一年！【一人公司必學】(Cantonese, by AI Bunny)

• YouTube: 股價預測AI實作，Python程式碼逐行解說，實測結果大公開 (Cantonese, by 解密遊俠)
• AI有沒有可能跟據過往的股價紀錄，預測明天的股價呢？就算做不到很精準，只要預測到大致的走向，也足以用來操作賺錢了。如果我真的做到這個AI，豈不發大財？我立刻參考一些網上廣傳的範例，並根據自己的AI開發經驗做了些改良，最後得出更神準的AI！那麼，這個AI是否真的能用來賺錢呢？我將會大方地告訴大家確切的答案！我會毫無保留地展示這個AI的所有程式碼，和指出網上那些範例忽略了的重點！
• 本片內容包括：
• 0. 環境準備：Python、Jupyter Notebook、TensorFlow、Docker image 1. AI的功能設計(AI functional design) 2. 數據採集的方法(data collection)：Yahoo Finance、Pandas、數據視覺化(data visualization)、日K、Scikit-Learn、MinMaxScaler、Numpy 3. AI模型的設計(AI modeling)：Keras、LSTM(Long Short-Term Memory)、循環神經網絡(recurrent neural network)、optimizer、Adam、loss function、mean squared error 4. 訓練AI的方法(AI training strategy)：訓練集(training set)、驗證集(validation set)、測試集(test set)、過度擬合(over-fit)、Early Stopping、epochs 5. 實測的結果(model evaluation)：前進式回測(forward test) 6. 實用性的評價(practicality evaluation)：CvRMSE(Coefficient of Variation of the Root Mean Squared Error)
• 這條影片係教你用 Python + Jupyter Notebook + LSTM 去預測股票價格，步驟都好清晰，以下係重點流程同簡化版 notebook 範例：
• 主要步驟：
• 1. 安裝環境：Python、Jupyter Notebook、TensorFlow、Pandas、Scikit-Learn。
• 2. 數據採集：用 Yahoo Finance 下載股票歷史數據（例如匯豐控股 0005.HK），只用收市價。
• 3. 數據處理：用 MinMaxScaler 標準化數據，製作 60 天收市價預測第 61 天收市價的訓練集和測試集。
• 4. 建立模型：用 Keras 建立兩層 LSTM + 兩層 Dense 的神經網絡。
• 5. 訓練模型：用 Early Stopping 防止 overfit，分 training/validation/test set。
• 6. 預測及評估：將預測結果還原回原始價格，與實際股價比較。
• 簡化 Jupyter Notebook 範例：

python

import yfinance as yf

import pandas as pd

import numpy as np

from sklearn.preprocessing import MinMaxScaler

from tensorflow.keras.models import Sequential

from tensorflow.keras.layers import LSTM, Dense

from tensorflow.keras.callbacks import EarlyStopping

import matplotlib.pyplot as plt

# 下載數據

df = yf.download('0005.HK', period='10y')

data = df[['Close']].rename(columns={'Close':'GT'})

# 標準化

scaler = MinMaxScaler()

scaled = scaler.fit_transform(data)

# 製作訓練資料

x, y = [], []

for i in range(60, len(scaled)):

    x.append(scaled[i-60:i])

    y.append(scaled[i])

x, y = np.array(x), np.array(y)

# 分割訓練/測試集

split = int(0.8 * len(x))

x_train, x_test = x[:split], x[split:]

y_train, y_test = y[:split], y[split:]

# 建立模型

model = Sequential([

    LSTM(50, return_sequences=True, input_shape=(60,1)),

    LSTM(50),

    Dense(25),

    Dense(1)

])

model.compile(optimizer='adam', loss='mse')

# 訓練

es = EarlyStopping(patience=10, restore_best_weights=True)

model.fit(x_train, y_train, epochs=1000, validation_split=0.2, callbacks=[es])

# 預測

pred = model.predict(x_test)

pred = scaler.inverse_transform(pred)

y_test_inv = scaler.inverse_transform(y_test)

# 畫圖

plt.plot(y_test_inv, label='GT')

plt.plot(pred, label='Prediction')

plt.legend()

plt.show()

• 重點提醒：  
• 影片最後都有講，這種 AI 其實多數只係預測「明天等於今日」，真正賺錢未必得，但學習 AI 實作就好有用！

• YouTube: Python 小程式連接富途牛牛 l 免費下載1分鍾股票數據 l 不懂編程都可以 l 不用課金 l (by Dennis, Blackbox Algorithm 程式交易)
• 呢條片教你點樣用Python連接富途牛牛API嚟下載1分鐘嘅股票歷史數據，完全免費，唔使靠Yahoo或Google嘅日線數據，亦唔使買IB數據。主要步驟係：
• 1. 下載安裝FutuOpenD：去富途官網下載FutuOpenD，安裝後用富途牛牛帳號登入
• 2. 安裝Python：最好下載Anaconda，因為佢已經包含Python同好多函式庫，省卻好多麻煩
• 3. 安裝PyCharm：去官網下載PyCharm Community免費版，用嚟編寫Python程式
• 4. 安裝FutuAPI：開Anaconda Prompt，輸入 pip install futu-api 指令安裝
• 5. 用Python寫程式連接富途API，就可以下載股票歷史數據，再匯入Multicharts做分析同回測
• Dennis話呢個方法唔單止可以下載數據，理論上仲可以連接Multicharts做自動交易，不過過程比較複雜同唔太穩定，所以呢條片主要集中教下載數據嘅部分。
• 你有冇富途牛牛帳戶？想試下呢個方法下載邊隻股票嘅數據？
• 
  
  
  
• YouTub: AI做的PPT用不起來？你錯過了這10個獨家技巧，實測效果提升200%｜AI幫我10分鐘搞定PPT，全流程教程分享｜職場/學生/學術研究｜AiPPT.com
• 
  
  
  
•