کتاب صوتی شبکه‌های عصبی برای پردازش سری‌های زمانی و پیش‌بینی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره شبکه‌های عصبی برای پردازش سری‌های زمانی و پیش‌بینی

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: شبکه‌های عصبی مصنوعی (Artificial Neural Networks)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر شبکه‌های عصبی
• 2. مبانی شبکه‌های عصبی مصنوعی
• 3. انواع معماری‌های شبکه‌های عصبی
• 4. شبکه‌های عصبی پیشخور (Feedforward Neural Networks)
• 5. توابع فعال‌سازی در شبکه‌های عصبی
• 6. پس‌انتشار خطا (Backpropagation Algorithm)
• 7. بهینه‌سازی شبکه‌های عصبی
• 8. تنظیم ابرپارامترها (Hyperparameter Tuning)
• 9. شبکه‌های عصبی کانولوشنال (CNN)
• 10. کاربرد CNN در پردازش سری‌های زمانی
• 11. شبکه‌های عصبی بازگشتی (RNN)
• 12. شبکه‌های حافظه کوتاه‌مدت طولانی (LSTM)
• 13. واحد بازگشتی دروازه‌ای (GRU)
• 14. معماری‌های پیشرفته RNN
• 15. پردازش سری‌های زمانی با LSTM و GRU
• 16. شبکه‌های عصبی ترنسفورمر (Transformer Networks)
• 17. مکانیزم توجه (Attention Mechanism)
• 18. کاربرد ترنسفورمر در پردازش سری‌های زمانی
• 19. مدل‌های سری زمانی مبتنی بر ترنسفورمر
• 20. شبکه‌های عصبی مولد (GAN)
• 21. کاربرد GAN در تولید داده‌های سری زمانی
• 22. شبکه‌های عصبی گراف (GNN)
• 23. کاربرد GNN در سری‌های زمانی وابسته به گراف
• 24. شبکه‌های عصبی برای یادگیری تقویتی
• 25. شبکه‌های عصبی برای یادگیری نیمه‌نظارت‌شده
• 26. شبکه‌های عصبی برای یادگیری انتقالی
• 27. آماده‌سازی داده‌های سری زمانی
• 28. پیش‌پردازش داده‌های سری زمانی
• 29. نرمال‌سازی و استانداردسازی داده‌ها
• 30. مهندسی ویژگی برای سری‌های زمانی
• 31. انتخاب ویژگی در سری‌های زمانی
• 32. تجزیه و تحلیل سری‌های زمانی
• 33. شناسایی الگوهای سری زمانی
• 34. تجزیه سری‌های زمانی به مؤلفه‌ها
• 35. شناسایی روند (Trend) در سری‌های زمانی
• 36. شناسایی فصلی بودن (Seasonality) در سری‌های زمانی
• 37. شناسایی نویز و نوسانات در سری‌های زمانی
• 38. مدل‌های آماری برای سری‌های زمانی
• 39. مدل ARIMA
• 40. مدل SARIMA
• 41. مدل‌های تعمیم‌یافته خطی (GLM)
• 42. مدل‌های ناپارامتری برای سری‌های زمانی
• 43. معیارهای ارزیابی مدل‌های سری زمانی
• 44. میانگین مربعات خطا (MSE)
• 45. میانگین خطای مطلق (MAE)
• 46. میانگین خطای مطلق درصدی (MAPE)
• 47. شاخص میانگین مربعات خطا (RMSE)
• 48. آزمون‌های آماری برای ارزیابی مدل
• 49. پیش‌بینی سری‌های زمانی
• 50. پیش‌بینی نقطه‌ای (Point Forecasting)
• 51. پیش‌بینی بازه‌ای (Interval Forecasting)
• 52. پیش‌بینی بلندمدت سری‌های زمانی
• 53. پیش‌بینی سری‌های زمانی چندمتغیره
• 54. مدل‌های سری زمانی پویا (Dynamic Time Warping)
• 55. شبکه‌های عصبی برای پیش‌بینی سری‌های زمانی مالی
• 56. کاربرد شبکه‌های عصبی در پیش‌بینی قیمت سهام
• 57. پیش‌بینی تقاضا با استفاده از شبکه‌های عصبی
• 58. کاربرد شبکه‌های عصبی در پیش‌بینی آب و هوا
• 59. شبکه‌های عصبی برای تشخیص ناهنجاری در سری‌های زمانی
• 60. تشخیص ناهنجاری‌های نقطه‌ای
• 61. تشخیص ناهنجاری‌های قطعه‌ای
• 62. کاربرد شبکه‌های عصبی در پردازش سیگنال‌های حیاتی
• 63. تحلیل سری‌های زمانی پزشکی
• 64. شبکه‌های عصبی برای تحلیل داده‌های شبکه‌های ارتباطی
• 65. پیش‌بینی ترافیک شبکه
• 66. شبکه‌های عصبی برای بهینه‌سازی فرآیندها
• 67. کاربرد شبکه‌های عصبی در رباتیک
• 68. شبکه‌های عصبی برای سیستم‌های توصیه‌گر
• 69. شبکه‌های عصبی برای پردازش زبان طبیعی در سری‌های زمانی
• 70. تحلیل احساسات در سری‌های زمانی متنی
• 71. تولید متن سری زمانی
• 72. مباحث پیشرفته در شبکه‌های عصبی سری زمانی
• 73. یادگیری تقویتی عمیق برای کنترل سری‌های زمانی
• 74. شبکه‌های عصبی برای تفسیرپذیری مدل‌های سری زمانی
• 75. تکنیک‌های تفسیرپذیری مدل‌های یادگیری عمیق
• 76. ارزیابی و اعتبارسنجی مدل‌های سری زمانی
• 77. پیاده‌سازی مدل‌های سری زمانی با Python
• 78. کتابخانه‌های یادگیری عمیق برای سری‌های زمانی (TensorFlow, PyTorch)
• 79. مدیریت داده‌های بزرگ سری زمانی
• 80. مقیاس‌پذیری مدل‌های سری زمانی
• 81. چالش‌های عملی در پیاده‌سازی مدل‌های سری زمانی
• 82. اخلاق در هوش مصنوعی و سری‌های زمانی
• 83. امنیت و حریم خصوصی در داده‌های سری زمانی
• 84. آینده پژوهش در شبکه‌های عصبی سری زمانی
• 85. کاربردهای نوین شبکه‌های عصبی سری زمانی
• 86. مطالعات موردی در صنایع مختلف
• 87. شبکه‌های عصبی برای سری‌های زمانی ناپایدار
• 88. کاربرد شبکه‌های عصبی در شناسایی الگوهای پیچیده
• 89. مدل‌سازی سری‌های زمانی با رویکرد ترکیبی
• 90. شبکه‌های عصبی برای سری‌های زمانی با داده‌های گمشده
• 91. پیش‌بینی سری‌های زمانی با استفاده از یادگیری جمعی
• 92. مبانی اقتصاد سنجی سری‌های زمانی
• 93. مدل‌های اقتصاد سنجی برای پیش‌بینی
• 94. شبکه‌های عصبی و اقتصاد سنجی مقایسه‌ای
• 95. مدل‌سازی ریسک در سری‌های زمانی مالی
• 96. شبکه‌های عصبی برای تحلیل سری‌های زمانی اقتصادی
• 97. کاربرد شبکه‌های عصبی در پیش‌بینی شاخص‌های کلان اقتصادی
• 98. شبکه‌های عصبی برای پیش‌بینی تورم
• 99. شبکه‌های عصبی برای پیش‌بینی نرخ ارز
• 100. مدل‌سازی سری‌های زمانی در مدیریت زنجیره تأمین