اپلیکیشن اندرویدی فلش‌کارت آموزشی پیش‌بینی دریفت توزیع: زنگ خطر تغییر

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پیش‌بینی دریفت توزیع: زنگ خطر تغییر

موضوع کلی: یادگیری ماشین در حضور تغییر توزیع

موضوع میانی: مدل‌ها و الگوریتم‌های خاص

📋 سرفصل‌های دوره

• 1. آمار توصیفی و پیش‌نیازهای پیش‌بینی
• 2. مفاهیم احتمال و توزیع‌های احتمال
• 3. توزیع نرمال و ویژگی‌های آن
• 4. توزیع‌های پیوسته و گسسته
• 5. مقدمه‌ای بر سری‌های زمانی
• 6. تجزیه و تحلیل روند در سری‌های زمانی
• 7. فصل‌بندی و اثرات فصلی
• 8. میانگین متحرک و هموارسازی نمایی
• 9. مدل‌های خودهمبستگی (AR)
• 10. مدل‌های میانگین متحرک (MA)
• 11. مدل‌های خودهمبستگی میانگین متحرک (ARMA)
• 12. تشخیص ایستایی سری‌های زمانی
• 13. آزمون‌های ایستایی (مانند دیکی-فولر)
• 14. تبدیل سری‌های زمانی به ایستایی
• 15. پیش‌بینی با استفاده از مدل‌های ARMA
• 16. مدل‌های خودهمبستگی یکپارچه میانگین متحرک (ARIMA)
• 17. شناسایی مرتبه مدل ARIMA
• 18. برآورد پارامترهای مدل ARIMA
• 19. ارزیابی دقت پیش‌بینی مدل ARIMA
• 20. پیش‌بینی با مدل‌های ARIMA
• 21. مدل‌های فصلی ARIMA (SARIMA)
• 22. شناسایی و برآورد مدل SARIMA
• 23. پیش‌بینی با مدل SARIMA
• 24. مدل‌های GARCH و نوسانات شرطی
• 25. مقدمه‌ای بر مدل‌های انتقال حالت
• 26. فیلتر کالمن و هموارسازی
• 27. پیش‌بینی توزیع‌های غیرنرمال
• 28. توزیع‌های توزیع‌شده نامتقارن
• 29. توزیع‌های توزیع‌شده چندوجهی
• 30. پیش‌بینی با استفاده از شبکه‌های عصبی
• 31. شبکه‌های عصبی پیشخور
• 32. شبکه‌های عصبی بازگشتی (RNN)
• 33. شبکه‌های حافظه طولانی‌مدت (LSTM)
• 34. شبکه‌های دروازه بازگشتی (GRU)
• 35. پیش‌بینی با استفاده از روش‌های یادگیری ماشین
• 36. ماشین‌های بردار پشتیبان (SVM)
• 37. درخت‌های تصمیم‌گیری و جنگل تصادفی
• 38. رگرسیون خطی و غیرخطی
• 39. ارزیابی مدل‌های پیش‌بینی
• 40. معیارهای دقت پیش‌بینی (MAE, MSE, RMSE)
• 41. آزمون‌های آماری برای مقایسه مدل‌ها
• 42. پیش‌بینی دریفت توزیع: مفاهیم و روش‌ها
• 43. شناسایی دریفت توزیع در داده‌ها
• 44. روش‌های تشخیص تغییر در توزیع
• 45. پیش‌بینی با در نظر گرفتن دریفت توزیع