python
含有「python」共 1605 篇內容
全部內容
發佈日期由新至舊
艾肯比工程師
2026/01/07
【kivy screenmanager】FallOutTransition 使用效果及語法|Kivy基礎用法
本篇文章將介紹 Kivy 的 ScreenManager 模組中的 FallOutTransition 轉場效果,說明如何實現畫面元素向中心淡出的視覺效果,並可透過 duration 參數調整轉場時間。
#
kivy
#
python
#
Screen
2
留言
心岑Sharinna!
2026/01/06
【轉職故事】從讀懂人心到讀懂程式碼:轉職者帶來的不是包袱,是更強大的決心
大家好,我是 心岑 Sharinna。 很多人看到我的履歷時,第一個問題往往是:「為什麼會從心理學與教育領域,跨度這麼大轉職成 AI 工程師?」 這張全歷程圖,是我對這個問題最完整的回答,我想透過這篇文章,帶大家走過我從零到一的四個階段。
#
心理學
#
自學
#
python
3
留言
心岑Sharinna!
2026/01/06
【轉職故事】當心理學遇上程式碼-心理系X教育背景轉職AI工程師
從心理人跨越到技術人,對我而言不是歸零,而是整合。心理學訓練讓我具備洞察需求與情緒成熟的特質,在高壓開發中仍能穩定輸出。透過高度自律的自主學習,我於轉職前累積紮實的 Python 基礎與大量實作經驗,將同理心轉化為可落地的程式邏輯。寫程式不只是讓系統運作,而是用技術溫柔地承接真實需求。
#
心理學
#
工程師
#
轉職
2
留言
《炒股不看周月年K漲幅機率就是耍流氓》
2026/01/03
🇰🇷 為什麼韓國股市需要特別處理?
—— Global-Stock-Feature-Engine 的 KR 資料下載機制解析 📌 本文聚焦於 韓國市場(KR)的資料取得困境與解決方案,並簡要說明 main.py 如何協調全球六個市場的同步流程。 ❓ 問題背景:GitHub Actions 無法直接抓韓股清單 在自動化流程中,
含 AI 應用內容
#
python
#
韓股
#
下載
2
留言
《炒股不看周月年K漲幅機率就是耍流氓》
2026/01/03
⚙️ Global Stock Feature Engine|環境設定與架構說明(Demo 專用)
這篇文章主要說明: 本網站(Global Stock Feature Engine)在 GitHub 上是怎麼被部署與更新的 GitHub Actions 與 Streamlit Cloud 各自扮演的角色 以及如果你只是「使用 Demo」,哪些設定不用管 如果你想 fork / 延伸,又該
含 AI 應用內容
#
python
#
Google
#
指標
喜歡
留言
《炒股不看周月年K漲幅機率就是耍流氓》
2026/01/03
🌐 全球股市特徵引擎 - 完整操作指南
Demo 系統說明:本系統為展示「特徵工程」與「策略回測」概念的教學工具。受限於 GitHub 硬體資源與儲存空間,目前僅提供 2024-2025 年的歷史數據。完整的生產級系統可擴展至更長時間週期與即時數據。 📌 系統簡介 全球股市特徵引擎是一套結合技術分析與量化回測的策略篩選系統,幫助投
含 AI 應用內容
#
python
#
儀表板
#
回測
1
留言
《炒股不看周月年K漲幅機率就是耍流氓》
2026/01/02
【量化研究室升級】實戰 vs. 夢想:一鍵切換「收盤價」與「最高價」,看穿台股聖杯的真面目!
前言:你賺到的是「口袋裡的錢」,還是「曾經看過的數字」? 在量化回測中,我們常面臨一個選擇:該用「收盤價」看實際績效,還是用「最高價」看策略的天花板? 過去 StockRevenueLab 預設使用年底收盤價,這很穩健,但有時會讓我們忽略了標的在年度中的爆發力。今天,我正式推出「年K計價模式動態
含 AI 應用內容
#
python
#
儀表板
#
收盤
2
留言
《炒股不看周月年K漲幅機率就是耍流氓》
2026/01/01
營收利多公告後,該追還是該賣?StockRevenueLab「公告行為研究室 4.3」量化診斷書
這份 timing_lab.py(對應網址中的 /timing_lab 頁面)是 StockRevenueLab 中最具備「行為金融學」與「事件研究法」色彩的單元。它的核心目的在於探討:當營收利多正式公告時,市場的反應是「追價」還是「利多出盡」? 一、 研究背景:破解市場的「偷跑」與「追價」
含 AI 應用內容
#
python
#
統計
#
投資人
2
留言
《炒股不看周月年K漲幅機率就是耍流氓》
2026/01/01
大數據解密:營收爆發幾次,股價翻倍機率最高?StockRevenueLab「機率研究室 2.0」上線!
這份 probability.py(對應網址中的 /probability 頁面)是 StockRevenueLab 專案中最具備「量化統計」靈魂的單元。它的核心目的不是看單一公司的表現,而是找出統計勝率:如果一家公司一年內營收爆發 5 次,它年度漲幅翻倍的機率是多少? 一、 研究動機:別再盲目
含 AI 應用內容
#
python
#
爆發
#
機率
1
留言
《炒股不看周月年K漲幅機率就是耍流氓》
2026/01/01
【台股量化分析】從 16 萬筆數據看透飆股基因:StockRevenueLab 互動儀表板全攻略
🔗 StockRevenueLab 資源傳送門 🚀 立即開啟:StockRevenueLab 線上儀表板 (無需安裝,點擊即可直接操作互動圖表) 📂 GitHub 完整專案原始碼 (包含 app.py 核心邏輯與所有環境設定檔) 🐍 Google Colab 自動化抓取程式碼 (一鍵開
含 AI 應用內容
#
python
#
儀表板
#
streamit
喜歡
留言