اپلیکیشن اندرویدی فلش‌کارت آموزشی تحلیل سری‌های زمانی داده‌های سنسور صنعتی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل سری‌های زمانی داده‌های سنسور صنعتی

موضوع کلی: کنترل کامپیوتری صنعتی و اتوماسیون

موضوع میانی: کاربرد داده‌کاوی در تحلیل داده‌های سنسورهای صنعتی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر سری‌های زمانی و کاربردهای آن‌ها در صنعت
• 2. آشنایی با داده‌های سنسور در محیط‌های صنعتی
• 3. انواع سنسورهای صنعتی و ویژگی‌های داده‌های خروجی
• 4. پیش‌پردازش داده‌های سنسور: حذف نویز و داده‌های پرت
• 5. روش‌های نمایش بصری سری‌های زمانی داده‌های سنسور
• 6. آمار توصیفی سری‌های زمانی: میانگین، واریانس، انحراف معیار
• 7. تجزیه واریانس و بررسی ایستایی سری‌های زمانی
• 8. مفاهیم خودهمبستگی و خودارتباط در سری‌های زمانی
• 9. تابع خودهمبستگی (ACF) و تابع خودارتباط جزئی (PACF)
• 10. مدل‌های ARIMA: مقدمه و مفروضات
• 11. شناسایی مرتبه مدل ARIMA با استفاده از ACF و PACF
• 12. برآورد پارامترهای مدل ARIMA
• 13. آزمون برازش مدل ARIMA و ارزیابی عملکرد
• 14. پیش‌بینی با استفاده از مدل‌های ARIMA
• 15. مدل‌های SARIMA: در نظر گرفتن فصلی بودن در داده‌ها
• 16. شناسایی و برآورد مدل‌های SARIMA
• 17. پیش‌بینی فصلی با استفاده از مدل‌های SARIMA
• 18. مدل‌های GARCH: مدل‌سازی نوسانات در سری‌های زمانی
• 19. کاربرد مدل‌های GARCH در پیش‌بینی ریسک و کنترل کیفیت
• 20. روش‌های هموارسازی نمایی: میانگین متحرک ساده
• 21. روش‌های هموارسازی نمایی: هموارسازی نمایی مضاعف
• 22. روش‌های هموارسازی نمایی: هموارسازی نمایی سه گانه
• 23. مدل‌سازی با استفاده از شبکه‌های عصبی مصنوعی
• 24. شبکه‌های عصبی بازگشتی (RNN) برای سری‌های زمانی
• 25. شبکه‌های LSTM و کاربرد آن‌ها در پیش‌بینی سری‌های زمانی
• 26. شبکه‌های GRU و مقایسه با شبکه‌های LSTM
• 27. پیش‌بینی با استفاده از شبکه‌های عصبی کانولوشنال (CNN)
• 28. انتخاب ویژگی (Feature Selection) برای داده‌های سنسور
• 29. کاهش ابعاد (Dimensionality Reduction) با استفاده از PCA
• 30. تحلیل موجک (Wavelet Analysis) و کاربرد آن در سری‌های زمانی
• 31. روش‌های خوشه‌بندی سری‌های زمانی داده‌های سنسور
• 32. تشخیص ناهنجاری (Anomaly Detection) در داده‌های سنسور
• 33. روش‌های مبتنی بر آمار برای تشخیص ناهنجاری
• 34. روش‌های مبتنی بر یادگیری ماشین برای تشخیص ناهنجاری
• 35. کاربرد سری‌های زمانی در تشخیص عیب تجهیزات صنعتی
• 36. پیش‌بینی خرابی تجهیزات با استفاده از سری‌های زمانی
• 37. مدل‌سازی بقا (Survival Analysis) و کاربرد آن در نگهداری و تعمیرات
• 38. کنترل فرآیند آماری (SPC) و سری‌های زمانی
• 39. نمودارهای کنترل و تشخیص تغییرات در فرآیند
• 40. تحلیل رگرسیون و ارتباط بین سری‌های زمانی و متغیرهای دیگر
• 41. تحلیل هم‌جمعی (Cointegration) و روابط بلندمدت
• 42. مدل‌سازی علّی (Causal Modeling) با استفاده از سری‌های زمانی
• 43. ارزیابی و مقایسه عملکرد مدل‌های مختلف سری‌های زمانی
• 44. معیارهای ارزیابی پیش‌بینی: MSE، RMSE، MAE
• 45. اعتبارسنجی متقابل (Cross-Validation) در سری‌های زمانی