سپنتا کتاب اکسپرس
کتاب تحلیل و پیش‌بینی سری‌های زمانی با رویکرد کاربردی

کتاب تحلیل و پیش‌بینی سری‌های زمانی با رویکرد کاربردی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل و پیش‌بینی سری‌های زمانی با رویکرد کاربردی

موضوع کلی: علم داده و آمار کاربردی

موضوع میانی: تحلیل داده‌های سری زمانی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر علم داده و سری‌های زمانی
  • 2. مفاهیم پایه آماری در تحلیل سری‌های زمانی
  • 3. انواع سری‌های زمانی و ویژگی‌های آن‌ها
  • 4. نمایش گرافیکی سری‌های زمانی
  • 5. تشخیص روند در سری‌های زمانی
  • 6. تشخیص فصلیت در سری‌های زمانی
  • 7. تشخیص دوره‌ای بودن در سری‌های زمانی
  • 8. تشخیص نویز و مؤلفه‌های تصادفی
  • 9. تجزیه سری زمانی به مؤلفه‌های اصلی
  • 10. روش‌های هموارسازی سری‌های زمانی
  • 11. میانگین متحرک ساده
  • 12. میانگین متحرک وزنی
  • 13. هموارسازی نمایی ساده
  • 14. هموارسازی نمایی دوگانه (هول-وینترز)
  • 15. مدل‌های ARIMA
  • 16. مفهوم خودهمبستگی (Autocorrelation)
  • 17. تابع خودهمبستگی (ACF)
  • 18. مفهوم خودهمبستگی جزئی (Partial Autocorrelation)
  • 19. تابع خودهمبستگی جزئی (PACF)
  • 20. شناسایی مرتبه مدل AR
  • 21. شناسایی مرتبه مدل MA
  • 22. شناسایی مرتبه مدل ARMA
  • 23. تخمین پارامترهای مدل‌های ARMA
  • 24. تشخیص برازش مدل‌های ARMA
  • 25. مدل‌های ARIMA (Autoregressive Integrated Moving Average)
  • 26. مفهوم تفاضل‌گیری (Differencing)
  • 27. تشخیص مرتبه تفاضل‌گیری
  • 28. شناسایی مرتبه p در مدل ARIMA
  • 29. شناسایی مرتبه d در مدل ARIMA
  • 30. شناسایی مرتبه q در مدل ARIMA
  • 31. تخمین پارامترهای مدل ARIMA
  • 32. ارزیابی و اعتبارسنجی مدل‌های ARIMA
  • 33. پیش‌بینی با استفاده از مدل‌های ARIMA
  • 34. مدل‌های فصلی ARIMA (SARIMA)
  • 35. شناسایی پارامترهای فصلی در SARIMA
  • 36. پیش‌بینی با مدل‌های SARIMA
  • 37. مدل‌های GARCH برای نوسانات (Volatility)
  • 38. مفهوم واریانس شرطی
  • 39. مدل ARCH
  • 40. مدل GARCH
  • 41. تخمین پارامترهای مدل GARCH
  • 42. پیش‌بینی واریانس با GARCH
  • 43. کاربرد GARCH در بازارهای مالی
  • 44. مدل‌های سری زمانی چندمتغیره (VAR)
  • 45. مفهوم واریانس و کوواریانس مشترک
  • 46. مدل برداری خودرگرسیو (VAR)
  • 47. شناسایی مرتبه مدل VAR
  • 48. تخمین پارامترهای مدل VAR
  • 49. تحلیل علیت گرنجر (Granger Causality)
  • 50. تحلیل توابع واکنش ضربه (Impulse Response Functions)
  • 51. تحلیل تجزیه واریانس (Variance Decomposition)
  • 52. پیش‌بینی با مدل‌های VAR
  • 53. مدل‌های حالت فضایی (State-Space Models)
  • 54. معادلات حالت و مشاهده
  • 55. فیلتر کالمن (Kalman Filter)
  • 56. پیش‌بینی با فیلتر کالمن
  • 57. کاربرد مدل‌های حالت فضایی در اقتصاد
  • 58. مدل‌های سری زمانی غیرخطی
  • 59. روش‌های غیرپارامتری در تحلیل سری زمانی
  • 60. هوش مصنوعی در تحلیل سری زمانی
  • 61. شبکه‌های عصبی بازگشتی (RNN)
  • 62. شبکه‌های حافظه طولانی کوتاه مدت (LSTM)
  • 63. شبکه‌های حافظه کوتاه مدت (GRU)
  • 64. آموزش و اعتبارسنجی مدل‌های یادگیری عمیق
  • 65. پیش‌بینی با شبکه‌های عصبی
  • 66. ارزیابی مدل‌های پیش‌بینی
  • 67. شاخص‌های ارزیابی دقت پیش‌بینی
  • 68. میانگین خطای مطلق (MAE)
  • 69. میانگین مربعات خطا (MSE)
  • 70. ریشه میانگین مربعات خطا (RMSE)
  • 71. میانگین خطای مطلق درصدی (MAPE)
  • 72. تست آمادگی داده برای مدل‌سازی
  • 73. پیش‌پردازش داده‌های سری زمانی
  • 74. مقیاس‌بندی داده‌ها
  • 75. نرمال‌سازی داده‌ها
  • 76. تبدیلات برای پایداری سری زمانی
  • 77. شناسایی و حذف داده‌های پرت (Outliers)
  • 78. تکنیک‌های جایگزینی مقادیر گمشده
  • 79. تحلیل همبستگی متقابل (Cross-Correlation)
  • 80. مدل‌سازی با استفاده از نرم‌افزار R
  • 81. مدل‌سازی با استفاده از نرم‌افزار Python
  • 82. کتابخانه‌های تحلیل سری زمانی در Python
  • 83. کاربرد تحلیل سری زمانی در حوزه‌های مختلف
  • 84. پیش‌بینی تقاضا
  • 85. تحلیل بازارهای مالی
  • 86. پیش‌بینی آب و هوا
  • 87. تحلیل داده‌های پزشکی
  • 88. تحلیل داده‌های اقتصادی کلان
  • 89. کاربردهای سری زمانی در صنعت
  • 90. نتیجه‌گیری و جمع‌بندی مباحث
  • 91. مرور مفاهیم کلیدی
  • 92. چالش‌های پیش رو در تحلیل سری زمانی
  • 93. روندهای آتی در تحلیل سری زمانی
  • 94. مباحث تکمیلی و پیشرفته
  • 95. منابع و مراجع بیشتر

📚 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

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.