اپلیکیشن اندرویدی فلش‌کارت آموزشی آموزش جامع مدل‌سازی پیشرفته سری‌های زمانی با استفاده از بهینه‌سازی ریاضی (JuMP)

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آموزش جامع مدل‌سازی پیشرفته سری‌های زمانی با استفاده از بهینه‌سازی ریاضی (JuMP)

موضوع کلی: علوم داده و تحلیل‌های آماری پیشرفته

موضوع میانی: مدل‌سازی و پیش‌بینی سری‌های زمانی در اقتصاد و صنعت

📋 سرفصل‌های دوره

• 1. مبانی و ضرورت تحلیل سری‌های زمانی در اقتصاد و صنعت
• 2. مفاهیم پایه و پیش‌پردازش داده‌های زمانی
• 3. آشنایی با محیط برنامه‌نویسی جولیا و کتابخانه JuMP
• 4. ساختار داده‌ها و توابع هدف در مدل‌سازی سری‌های زمانی
• 5. شناسایی الگوهای روند و فصلی در داده‌های اقتصادی
• 6. مفاهیم ایستایی و ناایستایی در فرآیندهای تصادفی
• 7. آزمون‌های ریشه واحد و تحلیل خودهمبستگی
• 8. معرفی مدل‌های میانگین متحرک اتورگرسیو ARIMA
• 9. توسعه مدل‌های SARIMA برای داده‌های دارای فصلی‌گری
• 10. بهینه‌سازی پارامترهای مدل با استفاده از رویکرد کمترین مربعات
• 11. تخمین مدل‌های سری زمانی در چارچوب برنامه‌نویسی ریاضی
• 12. آشنایی با مدل‌های فضای حالت State Space
• 13. فرمول‌بندی مدل‌های فضای حالت در JuMP
• 14. فیلتر کالمن و کاربرد آن در پیش‌بینی سری‌های زمانی
• 15. بهینه‌سازی پارامترها در مدل‌های فضای حالت با روش حداکثر درست‌نمایی
• 16. معرفی مدل‌های Score Driven و مکانیسم به‌روزرسانی پارامترها
• 17. پیاده‌سازی مدل‌های GAS در محیط بهینه‌سازی
• 18. تحلیل واریانس و مدل‌های نوسان‌پذیری در داده‌های مالی
• 19. مدل‌سازی پویایی‌های غیرخطی در سری‌های زمانی
• 20. ارزیابی دقت مدل‌های پیش‌بینی با معیارهای آماری
• 21. روش‌های اعتبارسنجی متقاطع در داده‌های سری زمانی
• 22. بهینه‌سازی مقید در مدل‌های پیش‌بینی اقتصادی
• 23. مدیریت داده‌های پرت و اثرات آن بر دقت مدل
• 24. تلفیق مدل‌های آماری و روش‌های بهینه‌سازی عددی
• 25. تحلیل حساسیت پارامترهای مدل در برابر تغییرات داده‌ها
• 26. کاربرد مدل‌های سری زمانی در پیش‌بینی تقاضای صنعتی
• 27. بهینه‌سازی زنجیره تأمین با استفاده از تحلیل سری‌های زمانی
• 28. مدل‌سازی نرخ‌های رشد اقتصادی در چارچوب بهینه‌سازی
• 29. بررسی پایداری مدل‌های پیش‌بینی در شرایط تغییر ساختار
• 30. پیاده‌سازی مدل‌های چندمتغیره در فضای حالت
• 31. بهره‌گیری از توابع هدف غیرمحدب در تخمین پارامترها
• 32. استفاده از الگوریتم‌های بهینه‌سازی برای برازش توزیع‌های احتمال
• 33. تحلیل خطای پیش‌بینی و بهبود مدل‌های تکرار شونده
• 34. شبیه‌سازی سناریوهای اقتصادی بر اساس مدل‌های بهینه‌شده
• 35. گزارش‌گیری و مصورسازی نتایج مدل‌سازی در محیط جولیا
• 36. پروژه نهایی: طراحی یک سیستم پیش‌بینی برای داده‌های واقعی صنعت ایران