دوره تحلیل و پیش‌بینی سری‌های زمانی با استفاده از زبان R همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل و پیش‌بینی سری‌های زمانی با استفاده از زبان R

موضوع کلی: علوم داده و تحلیل آماری

موضوع میانی: پیش‌بینی سری‌های زمانی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر سری‌های زمانی و اهمیت آن‌ها
• 2. مفاهیم پایه در تحلیل سری‌های زمانی
• 3. انواع سری‌های زمانی: ایستا و ناایستا
• 4. شناسایی مولفه‌های سری زمانی: روند، فصلی، نوسانات
• 5. تجزیه سری زمانی به مولفه‌های تشکیل‌دهنده
• 6. نمایش گرافیکی سری‌های زمانی
• 7. داده‌های سری زمانی در R: ساختارها و ابزارها
• 8. بارگذاری و پیش‌پردازش داده‌های سری زمانی در R
• 9. پاکسازی داده‌های سری زمانی: مقادیر پرت و داده‌های گمشده
• 10. هموارسازی سری‌های زمانی: میانگین متحرک
• 11. هموارسازی سری‌های زمانی: فیلتر اسپلاین
• 12. تعیین درجه فصلی بودن سری زمانی
• 13. آزمون‌های ایستا بودن سری زمانی: آزمون دیکی-فولر تعمیم‌یافته
• 14. آزمون‌های ایستا بودن سری زمانی: آزمون فیلیپس-پرون
• 15. تصحیح ناایستایی: تفاضل‌گیری
• 16. تصحیح ناایستایی: تبدیل لگاریتمی
• 17. تصحیح ناایستایی: تبدیل باکس-کاکس
• 18. مدل‌های سری زمانی ساده: مدل میانگین متحرک (MA)
• 19. مدل سری زمانی ساده: مدل خودرگرسیون (AR)
• 20. مدل سری زمانی ترکیبی: مدل ARMA
• 21. نمایش تابع خودهمبستگی (ACF)
• 22. نمایش تابع خودهمبستگی جزئی (PACF)
• 23. انتخاب مرتبه مدل ARMA
• 24. تخمین پارامترهای مدل ARMA
• 25. ارزیابی مدل ARMA: باقیمانده‌ها
• 26. پیش‌بینی با مدل ARMA
• 27. مدل‌های سری زمانی فصلی: مدل SARIMA
• 28. انتخاب مرتبه مدل SARIMA
• 29. تخمین پارامترهای مدل SARIMA
• 30. ارزیابی مدل SARIMA
• 31. پیش‌بینی با مدل SARIMA
• 32. مدل‌های سری زمانی با استفاده از توابع همبستگی متقابل (Cross-Correlation Functions)
• 33. مدل‌های سری زمانی چندمتغیره: VAR
• 34. انتخاب مرتبه مدل VAR
• 35. تخمین پارامترهای مدل VAR
• 36. ارزیابی مدل VAR
• 37. پیش‌بینی با مدل VAR
• 38. مدل‌های سری زمانی با استفاده از تجزیه مقادیر منفرد (SVD)
• 39. مدل‌های سری زمانی با استفاده از تجزیه مولفه‌های اصلی (PCA)
• 40. مدل‌های سری زمانی با استفاده از شبکه‌های عصبی: مقدمه
• 41. شبکه‌های عصبی بازگشتی (RNN) برای سری‌های زمانی
• 42. شبکه‌های حافظه طولانی کوتاه-مدت (LSTM)
• 43. شبکه‌های حافظه طولانی کوتاه-مدت (GRU)
• 44. آماده‌سازی داده‌ها برای مدل‌های یادگیری عمیق
• 45. ساخت و آموزش مدل‌های LSTM و GRU در R
• 46. تنظیم ابرپارامترها برای مدل‌های یادگیری عمیق
• 47. ارزیابی مدل‌های یادگیری عمیق
• 48. پیش‌بینی با مدل‌های یادگیری عمیق
• 49. مدل‌های سری زمانی مبتنی بر درخت: درخت تصمیم
• 50. مدل‌های سری زمانی مبتنی بر درخت: جنگل تصادفی
• 51. مدل‌های سری زمانی مبتنی بر درخت: گرادیان بوستینگ
• 52. کاربرد مدل‌های مبتنی بر درخت در پیش‌بینی سری‌های زمانی
• 53. مدل‌های سری زمانی مبتنی بر ماشین بردار پشتیبان (SVM)
• 54. مدل‌های سری زمانی مبتنی بر ماشین بردار پشتیبان (SVR)
• 55. مدل‌های سری زمانی مبتنی بر ماشین بردار پشتیبان (SVR) برای سری‌های زمانی
• 56. روش‌های مقایسه مدل‌های سری زمانی
• 57. معیارهای ارزیابی دقت پیش‌بینی: RMSE
• 58. معیارهای ارزیابی دقت پیش‌بینی: MAE
• 59. معیارهای ارزیابی دقت پیش‌بینی: MAPE
• 60. معیارهای ارزیابی دقت پیش‌بینی: APE
• 61. انتخاب بهترین مدل سری زمانی
• 62. اعتبارسنجی متقابل برای سری‌های زمانی
• 63. اعتبارسنجی با استفاده از پنجره‌های متحرک
• 64. پیش‌بینی با در نظر گرفتن عدم قطعیت
• 65. نمایش بازه‌های اطمینان برای پیش‌بینی‌ها
• 66. تجسم پیش‌بینی‌ها و مقایسه با داده‌های واقعی
• 67. روش‌های پیشرفته هموارسازی: فیلتر کالمن
• 68. کاربرد فیلتر کالمن در تخمین حالت سری زمانی
• 69. مدل‌های اقتصادسنجی برای سری‌های زمانی
• 70. مدل‌های رگرسیون پویا
• 71. مدل‌های سری زمانی با متغیرهای خارجی (ARIMAX)
• 72. مدل‌های سری زمانی با متغیرهای خارجی (SARIMAX)
• 73. مدل‌های سری زمانی با در نظر گرفتن تغییرات ساختاری
• 74. شناسایی نقاط تغییر ساختاری
• 75. مدل‌سازی تغییرات فصلی غیرخطی
• 76. مدل‌سازی رفتار نوسانی در سری‌های زمانی
• 77. تحلیل سری‌های زمانی مالی
• 78. پیش‌بینی قیمت سهام با استفاده از سری‌های زمانی
• 79. مدل‌سازی نوسانات در بازارهای مالی (ARCH/GARCH)
• 80. مقدمه‌ای بر اقتصادسنجی مالی
• 81. کاربرد سری‌های زمانی در پیش‌بینی شاخص‌های کلان اقتصادی
• 82. تحلیل سری‌های زمانی در علوم محیطی
• 83. پیش‌بینی تغییرات آب و هوایی با سری‌های زمانی
• 84. تحلیل سری‌های زمانی در حوزه بهداشت و درمان
• 85. پیش‌بینی شیوع بیماری‌ها با استفاده از سری‌های زمانی
• 86. مدل‌سازی روند بیماری‌ها
• 87. کاربرد سری‌های زمانی در تحلیل داده‌های شبکه‌های اجتماعی
• 88. پیش‌بینی روندها در شبکه‌های اجتماعی
• 89. تحلیل سری‌های زمانی در حوزه بازاریابی و فروش
• 90. پیش‌بینی تقاضا و فروش
• 91. تحلیل سری‌های زمانی در حوزه تولید و صنعت
• 92. مدیریت موجودی با استفاده از پیش‌بینی سری‌های زمانی
• 93. کاربرد عملی سری‌های زمانی در پروژه‌های واقعی
• 94. مطالعه موردی: پیش‌بینی فروش خرده‌فروشی
• 95. مطالعه موردی: پیش‌بینی مصرف انرژی
• 96. مطالعه موردی: پیش‌بینی ترافیک شهری
• 97. نکات پایانی و بهترین شیوه‌ها در تحلیل سری‌های زمانی
• 98. آینده تحلیل و پیش‌بینی سری‌های زمانی