کتاب صوتی ساختمان داده‌های مبتنی بر زمان: Time Series Data Structures

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساختمان داده‌های مبتنی بر زمان: Time Series Data Structures

موضوع کلی: برنامه نویسی

موضوع میانی: الگوریتم‌ها و ساختمان داده‌ها

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر داده‌های سری زمانی
• 2. مفاهیم پایه داده‌های سری زمانی
• 3. انواع داده‌های سری زمانی
• 4. اهمیت داده‌های سری زمانی در اقتصاد و مهندسی
• 5. نمایش گرافیکی داده‌های سری زمانی
• 6. تجزیه و تحلیل اکتشافی داده‌های سری زمانی
• 7. شناسایی روند در سری‌های زمانی
• 8. شناسایی فصلی بودن در سری‌های زمانی
• 9. شناسایی نوسانات چرخه‌ای در سری‌های زمانی
• 10. شناسایی نویز تصادفی در سری‌های زمانی
• 11. مدل‌های پایه سری زمانی: میانگین متحرک ساده
• 12. مدل‌های پایه سری زمانی: میانگین متحرک وزنی
• 13. مدل‌های پایه سری زمانی: هموارسازی نمایی
• 14. مدل‌های پایه سری زمانی: پیش‌بینی با هموارسازی نمایی
• 15. مدل‌های AR (خودرگرسیون)
• 16. مدل‌های MA (میانگین متحرک)
• 17. مدل‌های ARMA (خودرگرسیون و میانگین متحرک)
• 18. مدل‌های ARIMA (خودرگرسیون انتگرالی میانگین متحرک)
• 19. مراحل تشخیص و برازش مدل ARIMA
• 20. بررسی مانده‌های مدل ARIMA
• 21. پیش‌بینی با مدل‌های ARIMA
• 22. مدل‌های سری زمانی فصلی: SARIMA
• 23. مقدمه‌ای بر مدل‌های حالت فضا
• 24. فیلتر کالمن
• 25. کاربرد فیلتر کالمن در سری‌های زمانی
• 26. مدل‌های GARCH (ناهمسانی شرطی خودرگرسیون)
• 27. کاربرد GARCH در بازارهای مالی
• 28. مدل‌های سری زمانی چندمتغیره
• 29. مدل‌های VAR (خودرگرسیون برداری)
• 30. مدل‌های VECM (مدل تصحیح خطای برداری)
• 31. مقدمه‌ای بر یادگیری ماشین در سری‌های زمانی
• 32. شبکه‌های عصبی بازگشتی (RNN)
• 33. شبکه‌های حافظه طولانی کوتاه‌مدت (LSTM)
• 34. شبکه‌های حافظه کوتاه‌مدت (GRU)
• 35. کاربرد LSTM در پیش‌بینی سری‌های زمانی
• 36. کاربرد GRU در پیش‌بینی سری‌های زمانی
• 37. مدل‌های درخت تصمیم و جنگل تصادفی برای سری‌های زمانی
• 38. مدل‌های تقویت گرادیان برای سری‌های زمانی
• 39. ساختار داده‌های سری زمانی در پایگاه داده‌های رابطه‌ای
• 40. ساختار داده‌های سری زمانی در پایگاه داده‌های NoSQL
• 41. فشرده‌سازی داده‌های سری زمانی
• 42. ذخیره‌سازی کارآمد داده‌های سری زمانی
• 43. فهرست‌بندی داده‌های سری زمانی
• 44. جستجو در داده‌های سری زمانی
• 45. نمونه‌برداری داده‌های سری زمانی
• 46. کاهش بعد در داده‌های سری زمانی
• 47. تحلیل مؤلفه‌های اصلی (PCA) برای سری‌های زمانی
• 48. تحلیل عوامل (Factor Analysis) برای سری‌های زمانی
• 49. کاربرد PCA در کاهش ابعاد سری‌های زمانی
• 50. کاربرد Factor Analysis در کاهش ابعاد سری‌های زمانی
• 51. مدیریت داده‌های سری زمانی حجیم (Big Data)
• 52. پلتفرم‌های پردازش داده‌های سری زمانی حجیم
• 53. ابزارهای متن‌باز برای مدیریت داده‌های سری زمانی
• 54. کتابخانه‌های پایتون برای داده‌های سری زمانی
• 55. Pandas و سری‌های زمانی
• 56. NumPy و سری‌های زمانی
• 57. Statsmodels برای مدل‌های سری زمانی
• 58. Scikit-learn برای یادگیری ماشین در سری‌های زمانی
• 59. TensorFlow و Keras برای شبکه‌های عصبی
• 60. PyTorch برای شبکه‌های عصبی
• 61. بهینه‌سازی مدل‌های سری زمانی
• 62. ارزیابی مدل‌های سری زمانی
• 63. معیارهای ارزیابی دقت پیش‌بینی
• 64. خطای میانگین مربعات (MSE)
• 65. ریشه خطای میانگین مربعات (RMSE)
• 66. خطای میانگین مطلق (MAE)
• 67. خطای میانگین درصد مطلق (MAPE)
• 68. نرمال‌سازی و استانداردسازی داده‌های سری زمانی
• 69. پیش‌پردازش داده‌های سری زمانی
• 70. مدیریت داده‌های گمشده در سری‌های زمانی
• 71. شناسایی و حذف داده‌های پرت (Outliers)
• 72. تقویت داده‌های سری زمانی
• 73. تکنیک‌های افزایش داده برای سری‌های زمانی
• 74. مدل‌سازی سری‌های زمانی با کیفیت پایین
• 75. مدل‌سازی سری‌های زمانی با داده‌های نامنظم
• 76. کاربرد سری‌های زمانی در تحلیل مالی
• 77. پیش‌بینی قیمت سهام
• 78. تحلیل ریسک در بازارهای مالی
• 79. مدل‌سازی نوسانات قیمت
• 80. کاربرد سری‌های زمانی در تحلیل اقتصادی
• 81. پیش‌بینی شاخص‌های اقتصادی
• 82. تحلیل سیاست‌های پولی و مالی
• 83. مدل‌سازی رشد اقتصادی
• 84. کاربرد سری‌های زمانی در مهندسی
• 85. پیش‌بینی مصرف انرژی
• 86. مدیریت شبکه برق
• 87. تحلیل داده‌های حسگرها
• 88. کاربرد سری‌های زمانی در علوم زیستی
• 89. تحلیل داده‌های ژنتیکی
• 90. مدل‌سازی روندهای بیماری
• 91. کاربرد سری‌های زمانی در پردازش سیگنال
• 92. فیلتر کردن سیگنال‌ها
• 93. تشخیص الگو در سیگنال‌ها
• 94. فشرده‌سازی سیگنال‌ها
• 95. اصول اخلاقی در کار با داده‌های سری زمانی
• 96. حفظ حریم خصوصی در داده‌های سری زمانی
• 97. امنیت داده‌های سری زمانی
• 98. سوگیری در مدل‌های سری زمانی
• 99. مسئولیت‌پذیری در پیش‌بینی‌های سری زمانی
• 100. آیندهٔ ساختمان داده‌های مبتنی بر زمان