دوره پیش‌بینی سازگار سری‌های زمانی: یک معرفی جامع و کاربردی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

2,490,000 تومان
دوره پیش‌بینی سازگار سری‌های زمانی: یک معرفی جامع و کاربردی پیش‌بینی سازگار سری‌های زمانی: یک معرفی جامع و کاربردی آینده را با اطمینان پیش‌بینی کنید: از تخمین‌های تک‌نقطه‌ای به بازه‌های پیش‌بینی قابل ...
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 622,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پیش‌بینی سازگار سری‌های زمانی: یک معرفی جامع و کاربردی

موضوع کلی: یادگیری ماشین

موضوع میانی: پیش‌بینی سری‌های زمانی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر سری‌های زمانی و اهمیت پیش‌بینی
  • 2. انواع داده‌های سری زمانی و مثال‌ها
  • 3. اجزای سری زمانی: روند، فصلی، چرخه‌ای و نویز
  • 4. نمودارها و تجسم‌سازی اولیه سری‌های زمانی
  • 5. مفهوم ایستایی (Stationarity) در سری‌های زمانی
  • 6. آزمون‌های ایستایی: آزمون دیکی-فولر تعمیم‌یافته (ADF)
  • 7. پیش‌پردازش سری‌های زمانی: داده‌های گمشده و نویز
  • 8. تحول‌داده‌ها (Transformations) برای تثبیت واریانس
  • 9. مدل‌های پایه پیش‌بینی: روش Naive و میانگین متحرک
  • 10. هموارسازی نمایی ساده (SES) برای سری‌های بدون روند و فصلی
  • 11. روش هولت (Holt) برای سری‌های دارای روند
  • 12. روش هولت-وینترز (Holt-Winters) برای سری‌های دارای روند و فصلی
  • 13. معرفی مدل‌های خودرگرسیو (AR)
  • 14. معرفی مدل‌های میانگین متحرک (MA)
  • 15. مدل‌های خودرگرسیو میانگین متحرک (ARMA)
  • 16. مدل‌های یکپارچه خودرگرسیو میانگین متحرک (ARIMA)
  • 17. شناسایی و انتخاب مرتبه ARIMA: نمودارهای ACF و PACF
  • 18. مدل‌های فصلی ARIMA (SARIMA)
  • 19. گام‌های مدل‌سازی با ARIMA/SARIMA
  • 20. معیارهای ارزیابی پیش‌بینی نقطه ای: MAE, RMSE, MAPE
  • 21. خطای میانگین مربع ریشه (RMSE) و تفسیر آن
  • 22. خطای مطلق میانگین (MAE) و کاربرد آن
  • 23. درصد خطای مطلق میانگین (MAPE) و محدودیت‌ها
  • 24. مفهوم پیش‌بینی در برابر پیش‌بینی مجدد (Forecasting vs. Backcasting)
  • 25. تقسیم‌بندی داده‌ها: آموزش، اعتبارسنجی و آزمون در سری‌های زمانی
  • 26. اهمیت کمی‌سازی عدم قطعیت در پیش‌بینی
  • 27. پیش‌بینی نقطه‌ای در مقابل پیش‌بینی بازه‌ای
  • 28. فواصل اطمینان (Confidence Intervals) و فواصل پیش‌بینی (Prediction Intervals)
  • 29. تفاوت‌های کلیدی بین فواصل اطمینان و پیش‌بینی
  • 30. روش‌های پارامتریک ساخت فواصل پیش‌بینی
  • 31. فرض نرمال بودن خطاها در فواصل پیش‌بینی سنتی
  • 32. محدودیت‌های فواصل پیش‌بینی مبتنی بر مدل
  • 33. روش بوت‌استرپ (Bootstrap) برای ساخت فواصل پیش‌بینی
  • 34. رگرسیون کوانتایل (Quantile Regression) برای پیش‌بینی بازه‌ای
  • 35. مشکلات تضمین پوشش (Coverage Guarantee) در روش‌های سنتی
  • 36. ایده اصلی و شهود پشت پیش‌بینی سازگار
  • 37. تضمین‌های اعتباری معتبر (Validity Guarantees) در CP
  • 38. مفهوم مجموعه‌های پیش‌بینی (Prediction Sets)
  • 39. امتیازات عدم انطباق (Non-conformity Scores)
  • 40. توابع امتیازدهی عدم انطباق: مثال‌های اولیه
  • 41. مجموعه کالیبراسیون (Calibration Set) در CP
  • 42. محاسبه کوانتایل امتیازات عدم انطباق
  • 43. سطح معنی‌داری (Significance Level) آلفا و تفسیر آن
  • 44. تشکیل فواصل پیش‌بینی سازگار
  • 45. پیش‌بینی سازگار استقرایی (Inductive Conformal Prediction - ICP)
  • 46. تقسیم داده‌ها برای ICP: آموزش، کالیبراسیون و آزمون
  • 47. فرض تبادل‌پذیری (Exchangeability) در CP
  • 48. امتیازات P (P-values) در پیش‌بینی سازگار
  • 49. تفاوت CP با روش‌های آماری و بیزی سنتی
  • 50. مزایای اصلی پیش‌بینی سازگار: توزیع‌ناوابسته (Distribution-Free) و تضمین پوشش
  • 51. پیاده‌سازی ICP برای مسائل رگرسیون
  • 52. انتخاب تابع امتیاز عدم انطباق برای رگرسیون
  • 53. مثال عملی: ICP با مدل رگرسیون خطی
  • 54. تأثیر اندازه مجموعه کالیبراسیون بر فواصل
  • 55. مفهوم کارایی (Efficiency) فواصل پیش‌بینی
  • 56. پیش‌بینی سازگار تراگزاره‌ای (Transductive Conformal Prediction - TCP)
  • 57. الگوریتم TCP و تفاوت آن با ICP
  • 58. محاسبات پرهزینه در TCP و راه‌حل‌ها
  • 59. توسعه از رگرسیون به طبقه‌بندی با CP
  • 60. پیاده‌سازی CP با کتابخانه‌های پایتون
  • 61. چالش‌های اعمال CP بر سری‌های زمانی: وابستگی داده‌ها
  • 62. نقض فرض تبادل‌پذیری در سری‌های زمانی
  • 63. عدم ایستایی و رانش مفهوم (Concept Drift) در سری‌های زمانی
  • 64. استراتژی‌های تقسیم‌بندی داده برای سری‌های زمانی در CP
  • 65. پنجره‌های متحرک (Rolling Windows) برای کالیبراسیون
  • 66. پیش‌بینی سازگار تطبیقی (Adaptive Conformal Prediction - ACP)
  • 67. الگوریتم ACP برای مقابله با عدم ایستایی
  • 68. امتیازات عدم انطباق وابسته به زمان
  • 69. پیش‌بینی سازگار کوانتایل رگرسیون (Conformalized Quantile Regression - CQR)
  • 70. مزایای CQR برای سری‌های زمانی ناهمگون
  • 71. ترکیب CQR با مدل‌های پایه قوی
  • 72. پیش‌بینی سازگار متقاطع (Cross-Conformal Prediction - CCP) برای سری‌های زمانی
  • 73. گام‌های پیاده‌سازی CCP در عمل
  • 74. تاثیر طول افق پیش‌بینی بر فواصل سازگار
  • 75. روش‌های بلوکی برای حفظ وابستگی در سری‌های زمانی
  • 76. استفاده از ARIMA به عنوان مدل پایه در CP
  • 77. پیش‌بینی سازگار با Prophet
  • 78. پیش‌بینی سازگار با مدل‌های یادگیری ماشین (XGBoost, LightGBM)
  • 79. شبکه‌های عصبی بازگشتی (RNNs) و LSTM در CP
  • 80. مدل‌های ترنسفورمر (Transformers) برای سری‌های زمانی با CP
  • 81. پیش‌بینی سازگار با ویژگی‌های خارجی (Exogenous Features)
  • 82. پیش‌بینی چند مرحله‌ای (Multi-step Forecasting) با CP
  • 83. استراتژی‌های اصلاح مجموعه کالیبراسیون در طول زمان
  • 84. پیش‌بینی سازگار برای سری‌های زمانی دارای روند و فصلی قوی
  • 85. انتخاب بهترین مدل پایه برای CP در سناریوهای مختلف
  • 86. معیارهای ارزیابی فواصل پیش‌بینی سازگار
  • 87. پوشش تجربی (Empirical Coverage) و مقایسه با پوشش اسمی
  • 88. پهنای فاصله پیش‌بینی (Prediction Interval Width - PIW)
  • 89. میانگین نرمال شده پهنای فاصله پیش‌بینی (PINAW)
  • 90. امتیاز وینکلر (Winkler Score) برای ارزیابی جامع
  • 91. معیار CRPS (Continuous Ranked Probability Score) برای پیش‌بینی‌های احتمالی
  • 92. پیش‌بینی سازگار آنلاین و به‌روزرسانی مداوم
  • 93. پیش‌بینی سازگار سلسله مراتبی (Hierarchical Conformal Forecasting)
  • 94. پیش‌بینی سازگار چند متغیره (Multi-variate Conformal Forecasting)
  • 95. مقایسه CP با روش‌های بیزی برای عدم قطعیت
  • 96. نکات عملی و بهینه‌سازی هایپرپارامترهای CP
  • 97. محدودیت‌ها و چالش‌های CP در مقیاس بزرگ
  • 98. کاربردهای CP در صنعت: انرژی، مالی، زنجیره تامین
  • 99. اخلاق و شفافیت در پیش‌بینی‌های مبتنی بر عدم قطعیت
  • 100. جهت‌گیری‌های آینده در تحقیقات پیش‌بینی سازگار سری‌های زمانی
✦ مجموعه ویژه یادگیری

یک دوره، چند مسیر برای یادگیری بهتر

کتاب‌های آموزشی، محتوای صوتی و تصویری و دسترسی به سامانه آنلاین فلش‌کارت؛ مجموعه‌ای برای مطالعه، تمرین و تثبیت آموخته‌ها.

📚 محتوای متنی 🎧 صوت و ویدیو 🧠 مرور هوشمند

محتویات بسته آموزشی

مجموعه‌ای از منابع برای شیوه‌های مختلف یادگیری
📚
کتاب نکته‌های خودمانی
نسخه PDF با زبان ساده، روان و کاربردی برای یادگیری راحت‌تر مفاهیم.
PDF · بیان ساده
📘
کتاب نکته‌های رسمی فارسی
نسخه PDF با نگارش استاندارد، بیان دقیق و رویکرد علمی.
PDF · نگارش رسمی
❓
کتاب پرسش و پاسخ تشریحی
نسخه PDF برای مرور مفاهیم و آشنایی با پاسخ‌های توضیحی.
PDF · یادگیری مفهومی
✅
کتاب پرسش‌های چهارگزینه‌ای
نسخه PDF برای تمرین، سنجش آموخته‌ها و آمادگی بیشتر.
PDF · تمرین و سنجش
🎧
پادکست‌های صوتی فارسی
محتوای صوتی برای یادگیری و مرور مطالب در زمان‌های مختلف.
محتوای صوتی
🎬
ویدیوهای آموزشی فارسی
محتوای ویدیویی برای تکمیل تجربه یادگیری و درک بهتر مطالب.
محتوای ویدیویی
💻
اکانت سامانه آنلاین فلش‌کارت
دسترسی به نرم‌افزار آنلاین فلش‌کارت ویژه این دوره برای تمرین و مرور مطالب.
دسترسی آنلاین
🎓
گواهی پایان دوره
امکان دریافت گواهی پس از تکمیل فعالیت‌های لازم در سامانه و طی مراحل تأیید.
پس از تکمیل شرایط
💾
بسته فیزیکی روی فلش مموری
این محصول به‌صورت فلش مموری حاوی فایل‌های آموزشی، محتوای صوتی و ویدیویی ارائه می‌شود.
تحویل فیزیکی
نکته: استفاده از سامانه آنلاین فلش‌کارت به اتصال اینترنت نیاز دارد؛ محتوای قابل استفاده آفلاین به نوع فایل‌های موجود در بسته بستگی دارد.
SMART LEARNING

🌐 سامانه آنلاین فلش‌کارت؛ مرور هدفمند و هوشمند

اکانت ارائه‌شده، دسترسی به نسخه تحت وب سامانه فلش‌کارت ویژه این دوره را فراهم می‌کند. این سامانه از الگوریتم زمان‌بندی مرور SM-2 استفاده می‌کند و بر اساس ارزیابی شما از میزان یادآوری هر کارت، زمان مرورهای بعدی را تنظیم می‌کند.

به این ترتیب، کارت‌های دشوارتر می‌توانند زودتر مرور شوند و برای تثبیت مطالب در حافظه، برنامه مرور متناسب‌تری داشته باشید.

🧠
مرور زمان‌بندی‌شده
📈
پیگیری پیشرفت
🔄
تمرین و تکرار هدفمند
📚 حجم آموزشی دوره
هزاران
فلش‌کارت آموزشی، به‌صورت تقریبی
۶۰ ساعت
مدت‌زمان معادل برآوردشده آموزشی

مدت‌زمان معادل آموزشی بر اساس برآورد این دوره در گواهی درج می‌شود.

🏅

گواهی دوزبانه با استعلام آنلاین

گواهی فارسی و انگلیسی · لینک اختصاصی · QR Code

پس از تکمیل فعالیت‌های لازم و تأیید درخواست، گواهی پایان دوره به زبان فارسی و انگلیسی صادر می‌شود. گواهی دارای لینک اختصاصی و QR Code برای بررسی و استعلام آنلاین است.

⚖️ توضیح مهم درباره گواهی پایان دوره

این گواهی صرفاً به‌عنوان گواهی اتمام دوره آموزشی صادر می‌شود و معادل مدرک دانشگاهی، آکادمیک یا مدرک رسمی مورد تأیید نهادهای دولتی نیست. صدور آن منوط به تکمیل شرایط دوره و تأیید نهایی درخواست است.

تجربه‌ای کامل‌تر برای مطالعه، تمرین و یادگیری
express24.ir
تگ‌ها: Conformal Prediction Conformal Time Series Forecasting forecasting Machine Learning Time Series Uncertainty Quantification آموزش پیش‌بینی سری زمانی الگوریتم‌های پیش‌بینی پیش‌بینی پیش‌بینی سازگار پیش‌بینی سری‌های زمانی سری زمانی عدم قطعیت پیش‌بینی مدل‌های سری زمانی یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.