سپنتا کتاب اکسپرس
کتاب پیش‌بینی سری‌های زمانی با مدل‌های آماری و پایتون

کتاب پیش‌بینی سری‌های زمانی با مدل‌های آماری و پایتون

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 پیش‌بینی سری‌های زمانی با مدل‌های آماری و پایتون

موضوع کلی: علم داده و تحلیل آماری

موضوع میانی: تحلیل سری‌های زمانی

📋 سرفصل‌های دوره

  • 1. مبانی سری‌های زمانی و اهمیت آن در علم داده
  • 2. انواع سری‌های زمانی و مشخصه‌های آن‌ها
  • 3. مفاهیم پایه: روند، فصلی بودن، و نوسانات تصادفی
  • 4. نمودار سری زمانی و تفسیر بصری آن
  • 5. تحلیل خودهمبستگی (ACF) و خودهمبستگی جزئی (PACF)
  • 6. آزمون‌های تشخیص پایا بودن سری زمانی
  • 7. روش‌های تبدیل سری زمانی به حالت پایا
  • 8. مفهوم و کاربرد میانگین متحرک ساده
  • 9. پیاده‌سازی میانگین متحرک در پایتون
  • 10. تحلیل سری‌های زمانی با روش تفاضل‌گیری
  • 11. مدل‌های نمایی هموارسازی (Exponential Smoothing)
  • 12. هموارسازی نمایی ساده (Simple Exponential Smoothing)
  • 13. هموارسازی نمایی دوگانه (Double Exponential Smoothing - Holt)
  • 14. هموارسازی نمایی سه‌گانه (Triple Exponential Smoothing - Holt-Winters)
  • 15. پیاده‌سازی مدل‌های هموارسازی نمایی در پایتون
  • 16. مقدمه‌ای بر مدل‌های ARIMA
  • 17. اجزای مدل ARIMA: AR، I، MA
  • 18. مدل AR(p): خودرگرسیون
  • 19. مدل MA(q): میانگین متحرک
  • 20. مدل ARMA(p,q)
  • 21. مدل ARIMA(p,d,q)
  • 22. انتخاب مرتبه مدل ARIMA: p، d، q
  • 23. روش‌های تخمین پارامترهای مدل ARIMA
  • 24. تشخیص باقی‌مانده‌های مدل ARIMA
  • 25. آزمون بروش-گادفری برای باقی‌مانده‌ها
  • 26. پیش‌بینی با مدل‌های ARIMA
  • 27. ارزیابی عملکرد مدل‌های ARIMA
  • 28. مدل‌های فصلی ARIMA (SARIMA)
  • 29. اجزای مدل SARIMA
  • 30. پیاده‌سازی مدل SARIMA در پایتون
  • 31. ارزیابی مدل SARIMA
  • 32. مقدمه‌ای بر مدل‌های حالت فضایی (State Space Models)
  • 33. مدل‌های حالت فضایی برای سری‌های زمانی
  • 34. کاربرد مدل‌های حالت فضایی در پیش‌بینی
  • 35. روش‌های تخمین در مدل‌های حالت فضایی
  • 36. مقایسه مدل‌های ARIMA و حالت فضایی
  • 37. مقدمه‌ای بر مدل‌های اتورگرسیو شرطی ناهمسانی واریانس (ARCH/GARCH)
  • 38. مدل ARCH(q)
  • 39. مدل GARCH(p,q)
  • 40. کاربرد مدل‌های GARCH در تحلیل نوسانات
  • 41. پیاده‌سازی مدل‌های GARCH در پایتون
  • 42. ارزیابی مدل‌های GARCH
  • 43. مقدمه‌ای بر یادگیری ماشین در سری‌های زمانی
  • 44. استفاده از رگرسیون خطی برای پیش‌بینی سری زمانی
  • 45. استفاده از درخت‌های تصمیم و جنگل‌های تصادفی
  • 46. شبکه‌های عصبی بازگشتی (RNN) برای سری‌های زمانی
  • 47. شبکه‌های حافظه طولانی کوتاه مدت (LSTM)
  • 48. شبکه‌های حافظه کوتاه‌مدت (GRU)
  • 49. مقایسه مدل‌های یادگیری ماشین با مدل‌های آماری
  • 50. پیش‌پردازش داده‌ها برای مدل‌های یادگیری ماشین
  • 51. مهندسی ویژگی برای سری‌های زمانی
  • 52. اعتبارسنجی مدل‌های سری زمانی
  • 53. تکنیک‌های اعتبارسنجی متقابل (Cross-validation) برای سری‌های زمانی
  • 54. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 55. روش‌های بهینه‌سازی ابرپارامترها
  • 56. یادگیری تقویتی در سری‌های زمانی
  • 57. کاربرد یادگیری تقویتی در مدیریت پرتفوی
  • 58. مقدمه‌ای بر پیش‌بینی چند متغیره
  • 59. مدل‌های VAR (Vector Autoregression)
  • 60. مدل‌های VECM (Vector Error Correction Model)
  • 61. پیاده‌سازی مدل‌های VAR و VECM در پایتون
  • 62. تحلیل علیت گرنجر (Granger Causality)
  • 63. مقدمه‌ای بر تحلیل سری‌های زمانی غیرخطی
  • 64. روش‌های شناسایی غیرخطی بودن
  • 65. مدل‌های غیرخطی متداول
  • 66. مقدمه‌ای بر تحلیل سری‌های زمانی با ساختار پیچیده
  • 67. سری‌های زمانی چند کاناله
  • 68. سری‌های زمانی مکانی-زمانی
  • 69. تحلیل سری‌های زمانی با داده‌های گمشده
  • 70. روش‌های پر کردن داده‌های گمشده
  • 71. مقدمه‌ای بر مدل‌های بیزی در سری‌های زمانی
  • 72. مدل‌های بیزی برای هموارسازی نمایی
  • 73. مدل‌های بیزی برای ARIMA
  • 74. پیاده‌سازی مدل‌های بیزی با استفاده از کتابخانه‌های پایتون
  • 75. مقدمه‌ای بر تشخیص ناهنجاری در سری‌های زمانی
  • 76. روش‌های آماری برای تشخیص ناهنجاری
  • 77. روش‌های یادگیری ماشین برای تشخیص ناهنجاری
  • 78. کاربرد تشخیص ناهنجاری در سیستم‌های نظارتی
  • 79. مقدمه‌ای بر پیش‌بینی در مقیاس بزرگ
  • 80. مواجهه با حجم بالای داده‌های سری زمانی
  • 81. استفاده از ابزارهای پردازش توزیع شده
  • 82. مقدمه‌ای بر تفسیرپذیری مدل‌های پیش‌بینی
  • 83. روش‌های تفسیر مدل‌های سری زمانی
  • 84. تکنیک‌های بصری‌سازی نتایج پیش‌بینی
  • 85. مقدمه‌ای بر کاربردهای عملی پیش‌بینی سری زمانی
  • 86. پیش‌بینی تقاضا در خرده‌فروشی
  • 87. پیش‌بینی فروش در صنایع مختلف
  • 88. پیش‌بینی قیمت سهام و بازارهای مالی
  • 89. پیش‌بینی مصرف انرژی
  • 90. پیش‌بینی آب و هوا و بلایای طبیعی
  • 91. پیش‌بینی ترافیک شهری
  • 92. پیش‌بینی بیماری‌های واگیردار
  • 93. مقدمه‌ای بر چالش‌های پیش‌بینی سری زمانی
  • 94. دینامیک غیر ایستا
  • 95. نویز و تصادفی بودن
  • 96. تغییرات ناگهانی و رویدادهای نادر
  • 97. انتخاب مدل مناسب
  • 98. ارزیابی و اعتبارسنجی مدل‌ها
  • 99. مدیریت عدم قطعیت در پیش‌بینی
  • 100. اخلاق در علم داده و پیش‌بینی سری 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

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.