اپلیکیشن اندرویدی فلش‌کارت آموزشی استخراج ویژگی از داده‌های سری زمانی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره استخراج ویژگی از داده‌های سری زمانی

موضوع کلی: تصمیم‌گیری بهینه در شرایط عدم قطعیت

موضوع میانی: مهندسی ویژگی (Feature Engineering)

📋 سرفصل‌های دوره

• 1. آشنایی با داده‌های سری زمانی
• 2. مفاهیم پایه سری‌های زمانی
• 3. انواع داده‌های سری زمانی
• 4. روش‌های جمع‌آوری داده‌های سری زمانی
• 5. پیش‌پردازش داده‌های سری زمانی
• 6. پاکسازی داده‌های سری زمانی
• 7. مقیاس‌بندی داده‌های سری زمانی
• 8. تغییر شکل داده‌های سری زمانی
• 9. تبدیل داده‌های سری زمانی
• 10. تحلیل ویژگی‌های آماری سری‌های زمانی
• 11. میانگین متحرک
• 12. انحراف معیار متحرک
• 13. نمودارهای سری زمانی
• 14. تجزیه واریانس
• 15. تابع خودهمبستگی (ACF)
• 16. تابع خودهمبستگی جزئی (PACF)
• 17. آزمون‌های ایستایی
• 18. آزمون دیکی-فولر تعمیم‌یافته (ADF)
• 19. آزمون فیلیپس-پرون
• 20. تغییر سری‌های زمانی به ایستایی
• 21. تفاوت‌گیری
• 22. تبدیلات لگاریتمی
• 23. تبدیلات ریشه دوم
• 24. مدل‌های AR
• 25. مدل‌های MA
• 26. مدل‌های ARMA
• 27. مدل‌های ARIMA
• 28. انتخاب مرتبه مدل ARIMA
• 29. برآورد پارامترهای مدل ARIMA
• 30. ارزیابی مدل ARIMA
• 31. پیش‌بینی با مدل ARIMA
• 32. مدل‌های نمایی هموارسازی
• 33. روش هولت-وینترز
• 34. مدل‌های SARIMA
• 35. تجزیه سری زمانی با استفاده از تبدیل فوریه
• 36. طیف توان
• 37. تحلیل موجک
• 38. استخراج ویژگی از داده‌های سری زمانی با استفاده از روش‌های آماری
• 39. استخراج ویژگی از داده‌های سری زمانی با استفاده از یادگیری ماشین
• 40. انتخاب ویژگی
• 41. کاهش ابعاد
• 42. روش‌های خوشه‌بندی سری‌های زمانی
• 43. تشخیص ناهنجاری در سری‌های زمانی
• 44. کاربرد استخراج ویژگی در پیش‌بینی بازار سهام
• 45. کاربرد استخراج ویژگی در پیش‌بینی آب و هوا