اپلیکیشن اندرویدی فلش‌کارت آموزشی پیش‌بینی خرابی با تحلیل سری‌های زمانی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پیش‌بینی خرابی با تحلیل سری‌های زمانی

موضوع کلی: آمار و احتمال در صنایع

موضوع میانی: تحلیل داده‌های سنسور و IoT در خط تولید

📋 سرفصل‌های دوره

• 1. مفاهیم پایه سری‌های زمانی
• 2. جمع‌آوری و آماده‌سازی داده‌های سری زمانی
• 3. نمودارهای سری زمانی و تفسیر آن‌ها
• 4. میانگین متحرک و کاربردهای آن
• 5. روش‌های صاف‌سازی نمایی
• 6. تجزیه سری زمانی به اجزای مختلف
• 7. تحلیل روند (Trend Analysis)
• 8. تحلیل فصلی (Seasonality Analysis)
• 9. تحلیل چرخه‌ای (Cyclical Analysis)
• 10. تحلیل مانده‌ها (Residual Analysis)
• 11. خودهمبستگی و خودارتباط جزئی
• 12. توابع خودهمبستگی (ACF) و خودارتباط جزئی (PACF)
• 13. مدل‌های خودرگرسیونی (AR)
• 14. مدل‌های میانگین متحرک (MA)
• 15. مدل‌های خودرگرسیونی میانگین متحرک (ARMA)
• 16. مدل‌های خودرگرسیونی یکپارچه میانگین متحرک (ARIMA)
• 17. انتخاب مرتبه مدل ARIMA
• 18. آزمون‌های ایستایی برای سری‌های زمانی
• 19. تبدیل سری‌های غیرایستا به ایستا
• 20. پیش‌بینی با مدل‌های ARIMA
• 21. ارزیابی دقت پیش‌بینی
• 22. مدل‌های SARIMA و کاربرد آن‌ها
• 23. پیش‌بینی سری‌های زمانی فصلی
• 24. مدل‌های GARCH و کاربرد آن‌ها در پیش‌بینی نوسانات
• 25. مدل‌سازی سری‌های زمانی با استفاده از شبکه‌های عصبی مصنوعی
• 26. شبکه‌های عصبی بازگشتی (RNN) و LSTM برای پیش‌بینی سری‌های زمانی
• 27. مدل‌های پیش‌بینی مبتنی بر درخت تصمیم
• 28. مدل‌های Ensemble در پیش‌بینی سری‌های زمانی
• 29. پیش‌بینی تقاضا در مدیریت زنجیره تامین
• 30. پیش‌بینی فروش و برنامه‌ریزی تولید
• 31. پیش‌بینی قیمت سهام و مدیریت ریسک
• 32. پیش‌بینی نرخ ارز و تحلیل بازار
• 33. پیش‌بینی مصرف انرژی و برنامه‌ریزی منابع
• 34. پیش‌بینی ترافیک و مدیریت حمل و نقل
• 35. پیش‌بینی آب و هوا و مدیریت بحران
• 36. پیش‌بینی بیماری‌های همه‌گیر و بهداشت عمومی
• 37. پیش‌بینی خرابی تجهیزات صنعتی و نگهداری پیش‌بینانه
• 38. تحلیل سری‌های زمانی در حوزه مالی
• 39. تحلیل سری‌های زمانی در حوزه اقتصادسنجی
• 40. تحلیل سری‌های زمانی در حوزه مهندسی
• 41. تحلیل سری‌های زمانی در حوزه محیط زیست
• 42. ابزارهای نرم‌افزاری برای تحلیل سری‌های زمانی (R, Python)
• 43. کاربرد کتابخانه Pandas در تحلیل سری‌های زمانی
• 44. کاربرد کتابخانه Statsmodels در تحلیل سری‌های زمانی
• 45. کاربرد کتابخانه Scikit-learn در پیش‌بینی سری‌های زمانی