کتاب پیش‌بینی سازگار سری‌های زمانی: یک معرفی جامع و کاربردی
, ,

کتاب پیش‌بینی سازگار سری‌های زمانی: یک معرفی جامع و کاربردی

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000008727 دسته: , , برچسب: , , , , , , , , , , , , , ,

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب پیش‌بینی سازگار سری‌های زمانی: یک معرفی جامع و کاربردی

موضوع کلی: یادگیری ماشین

موضوع میانی: پیش‌بینی سری‌های زمانی

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه‌ای بر سری‌های زمانی و اهمیت پیش‌بینی
  • 2. انواع داده‌های سری زمانی و مثال‌ها
  • 3. اجزای سری زمانی: روند، فصلی، چرخه‌ای و نویز
  • 4. نمودارها و تجسم‌سازی اولیه سری‌های زمانی
  • 5. مفهوم ایستایی (Stationarity) در سری‌های زمانی
  • 6. آزمون‌های ایستایی: آزمون دیکی-فولر تعمیم‌یافته (ADF)
  • 7. پیش‌پردازش سری‌های زمانی: داده‌های گمشده و نویز
  • 8. تحول‌داده‌ها (Transformations) برای تثبیت واریانس
  • 9. مدل‌های پایه پیش‌بینی: روش Naive و میانگین متحرک
  • 10. هموارسازی نمایی ساده (SES) برای سری‌های بدون روند و فصلی
  • 11. روش هولت (Holt) برای سری‌های دارای روند
  • 12. روش هولت-وینترز (Holt-Winters) برای سری‌های دارای روند و فصلی
  • 13. معرفی مدل‌های خودرگرسیو (AR)
  • 14. معرفی مدل‌های میانگین متحرک (MA)
  • 15. مدل‌های خودرگرسیو میانگین متحرک (ARMA)
  • 16. مدل‌های یکپارچه خودرگرسیو میانگین متحرک (ARIMA)
  • 17. شناسایی و انتخاب مرتبه ARIMA: نمودارهای ACF و PACF
  • 18. مدل‌های فصلی ARIMA (SARIMA)
  • 19. گام‌های مدل‌سازی با ARIMA/SARIMA
  • 20. معیارهای ارزیابی پیش‌بینی نقطه ای: MAE, RMSE, MAPE
  • 21. خطای میانگین مربع ریشه (RMSE) و تفسیر آن
  • 22. خطای مطلق میانگین (MAE) و کاربرد آن
  • 23. درصد خطای مطلق میانگین (MAPE) و محدودیت‌ها
  • 24. مفهوم پیش‌بینی در برابر پیش‌بینی مجدد (Forecasting vs. Backcasting)
  • 25. تقسیم‌بندی داده‌ها: آموزش، اعتبارسنجی و آزمون در سری‌های زمانی
  • 26. اهمیت کمی‌سازی عدم قطعیت در پیش‌بینی
  • 27. پیش‌بینی نقطه‌ای در مقابل پیش‌بینی بازه‌ای
  • 28. فواصل اطمینان (Confidence Intervals) و فواصل پیش‌بینی (Prediction Intervals)
  • 29. تفاوت‌های کلیدی بین فواصل اطمینان و پیش‌بینی
  • 30. روش‌های پارامتریک ساخت فواصل پیش‌بینی
  • 31. فرض نرمال بودن خطاها در فواصل پیش‌بینی سنتی
  • 32. محدودیت‌های فواصل پیش‌بینی مبتنی بر مدل
  • 33. روش بوت‌استرپ (Bootstrap) برای ساخت فواصل پیش‌بینی
  • 34. رگرسیون کوانتایل (Quantile Regression) برای پیش‌بینی بازه‌ای
  • 35. مشکلات تضمین پوشش (Coverage Guarantee) در روش‌های سنتی
  • 36. ایده اصلی و شهود پشت پیش‌بینی سازگار
  • 37. تضمین‌های اعتباری معتبر (Validity Guarantees) در CP
  • 38. مفهوم مجموعه‌های پیش‌بینی (Prediction Sets)
  • 39. امتیازات عدم انطباق (Non-conformity Scores)
  • 40. توابع امتیازدهی عدم انطباق: مثال‌های اولیه
  • 41. مجموعه کالیبراسیون (Calibration Set) در CP
  • 42. محاسبه کوانتایل امتیازات عدم انطباق
  • 43. سطح معنی‌داری (Significance Level) آلفا و تفسیر آن
  • 44. تشکیل فواصل پیش‌بینی سازگار
  • 45. پیش‌بینی سازگار استقرایی (Inductive Conformal Prediction – ICP)
  • 46. تقسیم داده‌ها برای ICP: آموزش، کالیبراسیون و آزمون
  • 47. فرض تبادل‌پذیری (Exchangeability) در CP
  • 48. امتیازات P (P-values) در پیش‌بینی سازگار
  • 49. تفاوت CP با روش‌های آماری و بیزی سنتی
  • 50. مزایای اصلی پیش‌بینی سازگار: توزیع‌ناوابسته (Distribution-Free) و تضمین پوشش
  • 51. پیاده‌سازی ICP برای مسائل رگرسیون
  • 52. انتخاب تابع امتیاز عدم انطباق برای رگرسیون
  • 53. مثال عملی: ICP با مدل رگرسیون خطی
  • 54. تأثیر اندازه مجموعه کالیبراسیون بر فواصل
  • 55. مفهوم کارایی (Efficiency) فواصل پیش‌بینی
  • 56. پیش‌بینی سازگار تراگزاره‌ای (Transductive Conformal Prediction – TCP)
  • 57. الگوریتم TCP و تفاوت آن با ICP
  • 58. محاسبات پرهزینه در TCP و راه‌حل‌ها
  • 59. توسعه از رگرسیون به طبقه‌بندی با CP
  • 60. پیاده‌سازی CP با کتابخانه‌های پایتون
  • 61. چالش‌های اعمال CP بر سری‌های زمانی: وابستگی داده‌ها
  • 62. نقض فرض تبادل‌پذیری در سری‌های زمانی
  • 63. عدم ایستایی و رانش مفهوم (Concept Drift) در سری‌های زمانی
  • 64. استراتژی‌های تقسیم‌بندی داده برای سری‌های زمانی در CP
  • 65. پنجره‌های متحرک (Rolling Windows) برای کالیبراسیون
  • 66. پیش‌بینی سازگار تطبیقی (Adaptive Conformal Prediction – ACP)
  • 67. الگوریتم ACP برای مقابله با عدم ایستایی
  • 68. امتیازات عدم انطباق وابسته به زمان
  • 69. پیش‌بینی سازگار کوانتایل رگرسیون (Conformalized Quantile Regression – CQR)
  • 70. مزایای CQR برای سری‌های زمانی ناهمگون
  • 71. ترکیب CQR با مدل‌های پایه قوی
  • 72. پیش‌بینی سازگار متقاطع (Cross-Conformal Prediction – CCP) برای سری‌های زمانی
  • 73. گام‌های پیاده‌سازی CCP در عمل
  • 74. تاثیر طول افق پیش‌بینی بر فواصل سازگار
  • 75. روش‌های بلوکی برای حفظ وابستگی در سری‌های زمانی
  • 76. استفاده از ARIMA به عنوان مدل پایه در CP
  • 77. پیش‌بینی سازگار با Prophet
  • 78. پیش‌بینی سازگار با مدل‌های یادگیری ماشین (XGBoost, LightGBM)
  • 79. شبکه‌های عصبی بازگشتی (RNNs) و LSTM در CP
  • 80. مدل‌های ترنسفورمر (Transformers) برای سری‌های زمانی با CP
  • 81. پیش‌بینی سازگار با ویژگی‌های خارجی (Exogenous Features)
  • 82. پیش‌بینی چند مرحله‌ای (Multi-step Forecasting) با CP
  • 83. استراتژی‌های اصلاح مجموعه کالیبراسیون در طول زمان
  • 84. پیش‌بینی سازگار برای سری‌های زمانی دارای روند و فصلی قوی
  • 85. انتخاب بهترین مدل پایه برای CP در سناریوهای مختلف
  • 86. معیارهای ارزیابی فواصل پیش‌بینی سازگار
  • 87. پوشش تجربی (Empirical Coverage) و مقایسه با پوشش اسمی
  • 88. پهنای فاصله پیش‌بینی (Prediction Interval Width – PIW)
  • 89. میانگین نرمال شده پهنای فاصله پیش‌بینی (PINAW)
  • 90. امتیاز وینکلر (Winkler Score) برای ارزیابی جامع
  • 91. معیار CRPS (Continuous Ranked Probability Score) برای پیش‌بینی‌های احتمالی
  • 92. پیش‌بینی سازگار آنلاین و به‌روزرسانی مداوم
  • 93. پیش‌بینی سازگار سلسله مراتبی (Hierarchical Conformal Forecasting)
  • 94. پیش‌بینی سازگار چند متغیره (Multi-variate Conformal Forecasting)
  • 95. مقایسه CP با روش‌های بیزی برای عدم قطعیت
  • 96. نکات عملی و بهینه‌سازی هایپرپارامترهای CP
  • 97. محدودیت‌ها و چالش‌های CP در مقیاس بزرگ
  • 98. کاربردهای CP در صنعت: انرژی، مالی، زنجیره تامین
  • 99. اخلاق و شفافیت در پیش‌بینی‌های مبتنی بر عدم قطعیت
  • 100. جهت‌گیری‌های آینده در تحقیقات پیش‌بینی سازگار سری‌های زمانی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کتاب پیش‌بینی سازگار سری‌های زمانی: یک معرفی جامع و کاربردی”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

محصولات مشابه

پیمایش به بالا