اپلیکیشن اندرویدی فلش‌کارت آموزشی پیش‌بینی تقاضا: تحلیل سری زمانی در رستوران

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پیش‌بینی تقاضا: تحلیل سری زمانی در رستوران

موضوع کلی: علوم داده و تحلیل‌گری کسب‌وکار

موضوع میانی: تحلیل داده‌های رستوران

📋 سرفصل‌های دوره

• 1. پیش‌بینی تقاضا در رستوران: مقدمه‌ای
• 2. مفاهیم پایه سری‌های زمانی
• 3. جمع‌آوری و آماده‌سازی داده‌های رستوران
• 4. نمودارهای سری زمانی: بررسی بصری
• 5. میانگین متحرک: روش‌های ساده
• 6. هموارسازی نمایی: روش‌های پیشرفته‌تر
• 7. تحلیل روند در سری‌های زمانی تقاضا
• 8. تحلیل فصلی در سری‌های زمانی تقاضا
• 9. تجزیه سری زمانی: تفکیک روند و فصلی
• 10. معیارهای ارزیابی دقت پیش‌بینی
• 11. خطای میانگین مطلق (MAE)
• 12. خطای جذر میانگین مربعات (RMSE)
• 13. خطای میانگین مربعات (MSE)
• 14. مدل‌های رگرسیونی برای پیش‌بینی تقاضا
• 15. رگرسیون خطی ساده در پیش‌بینی تقاضا
• 16. رگرسیون چندگانه برای تقاضای رستوران
• 17. متغیرهای تاخیری در مدل‌های رگرسیونی
• 18. مدل‌های ARIMA: مقدمه‌ای
• 19. شناسایی پارامترهای ARIMA (p, d, q)
• 20. بررسی ایستایی سری‌های زمانی
• 21. تبدیل سری‌های زمانی غیریستا به رستا
• 22. تخمین پارامترهای ARIMA
• 23. پیش‌بینی با مدل‌های ARIMA
• 24. مدل‌های نمایی هموارسازی: مقدمه‌ای
• 25. روش هموارسازی نمایی ساده
• 26. روش هموارسازی نمایی مضاعف
• 27. روش هموارسازی نمایی تریپل
• 28. انتخاب بهترین مدل پیش‌بینی
• 29. اعتبارسنجی مدل‌های پیش‌بینی
• 30. تقسیم داده‌ها به مجموعه‌های آموزشی و آزمایشی
• 31. ارزیابی عملکرد مدل بر روی داده‌های آزمایشی
• 32. پیش‌بینی تقاضا با در نظر گرفتن رویدادهای خاص
• 33. تاثیر تبلیغات بر تقاضای رستوران
• 34. تاثیر تعطیلات و مناسبت‌ها بر تقاضا
• 35. مدیریت موجودی مواد غذایی بر اساس پیش‌بینی
• 36. بهینه‌سازی سطح موجودی مواد غذایی
• 37. کاهش ضایعات مواد غذایی با پیش‌بینی دقیق
• 38. پیش‌بینی تقاضا برای منوهای مختلف
• 39. تحلیل حساسیت قیمت بر تقاضا
• 40. تاثیر تغییرات قیمت بر پیش‌بینی تقاضا
• 41. استفاده از داده‌های آب و هوا در پیش‌بینی
• 42. پیش‌بینی تقاضا با استفاده از شبکه‌های عصبی مصنوعی
• 43. مقدمه‌ای بر شبکه‌های عصبی
• 44. آماده‌سازی داده‌ها برای شبکه‌های عصبی
• 45. آموزش و ارزیابی شبکه‌های عصبی برای پیش‌بینی