اپلیکیشن اندرویدی فلش‌کارت آموزشی پیش‌بینی سری‌های زمانی و رگرسیون خطی: از تئوری تا کاربرد عملی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پیش‌بینی سری‌های زمانی و رگرسیون خطی: از تئوری تا کاربرد عملی

موضوع کلی: آمار و داده‌کاوی

موضوع میانی: مدل‌سازی پیش‌بینی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر پیش‌بینی سری‌های زمانی
• 2. مفاهیم پایه آماری در پیش‌بینی
• 3. آشنایی با نرم‌افزارهای پیش‌بینی سری‌های زمانی
• 4. تجزیه و تحلیل داده‌های سری زمانی
• 5. نمودارهای سری زمانی و تفسیر آن‌ها
• 6. مؤلفه‌های سری‌های زمانی: روند، فصلی، چرخه‌ای و تصادفی
• 7. روش‌های صاف‌سازی سری‌های زمانی: میانگین متحرک
• 8. روش‌های صاف‌سازی سری‌های زمانی: صاف‌سازی نمایی
• 9. معرفی رگرسیون خطی ساده
• 10. پیش‌فرض‌های رگرسیون خطی
• 11. برآورد پارامترهای رگرسیون خطی
• 12. ارزیابی مدل رگرسیون خطی: معیار R-squared
• 13. آزمون فرضیه‌های رگرسیون خطی
• 14. تحلیل باقیمانده‌ها در رگرسیون خطی
• 15. رگرسیون خطی چندگانه
• 16. انتخاب متغیرهای مناسب در رگرسیون چندگانه
• 17. متغیرهای مجازی در رگرسیون خطی
• 18. رگرسیون غیرخطی و تبدیلات متغیرها
• 19. مدل‌سازی ARIMA: مفاهیم اولیه
• 20. شناسایی مرتبه مدل ARIMA (ACF و PACF)
• 21. برآورد پارامترهای مدل ARIMA
• 22. ارزیابی مدل ARIMA
• 23. پیش‌بینی با مدل ARIMA
• 24. مدل‌سازی SARIMA: مفاهیم اولیه
• 25. شناسایی مرتبه مدل SARIMA
• 26. ارزیابی و پیش‌بینی با مدل SARIMA
• 27. مدل‌های GARCH: مقدمه‌ای
• 28. کاربردهای مدل‌های GARCH در مدیریت ریسک
• 29. پیش‌بینی سری‌های زمانی با استفاده از شبکه‌های عصبی
• 30. مقایسه روش‌های پیش‌بینی سری‌های زمانی
• 31. ارزیابی دقت پیش‌بینی: معیارهای خطا
• 32. تحلیل حساسیت در پیش‌بینی سری‌های زمانی
• 33. پیش‌بینی فصلی
• 34. پیش‌بینی بلندمدت سری‌های زمانی
• 35. مدل‌سازی سری‌های زمانی با داده‌های گمشده
• 36. پیش‌بینی سری‌های زمانی با داده‌های پرت
• 37. کاربرد پیش‌بینی سری‌های زمانی در اقتصاد
• 38. کاربرد پیش‌بینی سری‌های زمانی در امور مالی
• 39. کاربرد پیش‌بینی سری‌های زمانی در بازاریابی
• 40. کاربرد پیش‌بینی سری‌های زمانی در مدیریت زنجیره تأمین
• 41. پیش‌بینی تقاضا
• 42. مدل‌سازی سری‌های زمانی با داده‌های حجیم
• 43. محاسبات موازی در پیش‌بینی سری‌های زمانی
• 44. تفسیر نتایج پیش‌بینی سری‌های زمانی
• 45. محدودیت‌های پیش‌بینی سری‌های زمانی
• 46. اخلاق در پیش‌بینی سری‌های زمانی
• 47. مطالعه موردی: پیش‌بینی فروش یک محصول
• 48. مطالعه موردی: پیش‌بینی نرخ ارز
• 49. مطالعه موردی: پیش‌بینی قیمت سهام
• 50. تحلیل سری‌های زمانی نامنظم
• 51. پیش‌بینی سری‌های زمانی چندمتغیره
• 52. مدل‌سازی انتقال حالت (State Space Models)
• 53. روش‌های بوت‌استرپ در پیش‌بینی سری‌های زمانی
• 54. تکنیک‌های آنسامبل در پیش‌بینی سری‌های زمانی
• 55. استفاده از یادگیری تقویتی در پیش‌بینی سری‌های زمانی
• 56. پیش‌بینی سری‌های زمانی با استفاده از درخت‌های تصمیم
• 57. پیش‌بینی سری‌های زمانی با استفاده از جنگل تصادفی
• 58. پیش‌بینی سری‌های زمانی با استفاده از ماشین‌های بردار پشتیبان
• 59. تکنیک‌های کاهش ابعاد در پیش‌بینی سری‌های زمانی
• 60. ارزیابی و انتخاب بهترین مدل پیش‌بینی
• 61. بهینه‌سازی پارامترهای مدل پیش‌بینی
• 62. مدل‌سازی سری‌های زمانی با تغییر ساختار
• 63. پیش‌بینی سری‌های زمانی با در نظر گرفتن رویدادهای خاص
• 64. کاربرد پیش‌بینی سری‌های زمانی در پیش‌بینی آب و هوا
• 65. کاربرد پیش‌بینی سری‌های زمانی در پیش‌بینی ترافیک
• 66. کاربرد پیش‌بینی سری‌های زمانی در پیش‌بینی انرژی
• 67. پیش‌بینی سری‌های زمانی با استفاده از روش‌های ترکیبی
• 68. تحلیل پایداری مدل‌های سری زمانی
• 69. آشنایی با پکیج‌های پیش‌بینی در R
• 70. آشنایی با پکیج‌های پیش‌بینی در Python
• 71. مفاهیم پیشرفته رگرسیون خطی
• 72. رگرسیون Ridge و Lasso
• 73. تحلیل مؤلفه‌های اصلی (PCA) در رگرسیون
• 74. مدل‌های تعمیم‌یافته خطی (GLM)
• 75. رگرسیون پواسون
• 76. رگرسیون لجستیک
• 77. تحلیل واریانس (ANOVA)
• 78. طرح‌های آزمایشی و رگرسیون
• 79. رگرسیون نامتقارن