دوره تحلیل سری‌های زمانی داده‌های اقلیمی: مبانی و کاربردها همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل سری‌های زمانی داده‌های اقلیمی: مبانی و کاربردها

موضوع کلی: علوم پایه و کاربردی

موضوع میانی: پردازش و تحلیل داده‌های علمی

📋 سرفصل‌های دوره

• 1. مبانی سری‌های زمانی
• 2. مفاهیم اولیه و تعریف
• 3. انواع داده‌های سری زمانی
• 4. نمودارهای سری زمانی
• 5. شناسایی روند در سری‌های زمانی
• 6. شناسایی فصلیت در سری‌های زمانی
• 7. شناسایی نوسانات فصلی
• 8. شناسایی مولفه‌های سری زمانی
• 9. مدل‌های ساده سری زمانی
• 10. میانگین متحرک ساده
• 11. نمایی هموارسازی
• 12. مدل‌های تنظیمی فصلی
• 13. مدل‌های ARIMA
• 14. مقدمه‌ای بر مدل‌های ARIMA
• 15. مفهوم خودهمبستگی (ACF)
• 16. مفهوم خودهمبستگی جزئی (PACF)
• 17. تشخیص مرتبه مدل‌های ARIMA
• 18. تخمین پارامترهای مدل‌های ARIMA
• 19. بررسی باقی‌مانده‌های مدل
• 20. ارزیابی کیفیت مدل
• 21. پیش‌بینی با مدل‌های ARIMA
• 22. مدل‌های فصلی ARIMA (SARIMA)
• 23. مقدمه‌ای بر مدل‌های SARIMA
• 24. شناسایی مرتبه مدل‌های SARIMA
• 25. تخمین و ارزیابی مدل‌های SARIMA
• 26. پیش‌بینی با مدل‌های SARIMA
• 27. مدل‌های رگرسیون با وقفه (ARIMAX)
• 28. مقدمه‌ای بر مدل‌های ARIMAX
• 29. اضافه کردن متغیرهای خارجی
• 30. تخمین و ارزیابی مدل‌های ARIMAX
• 31. پیش‌بینی با مدل‌های ARIMAX
• 32. مدل‌های نرمال‌سازی سری زمانی
• 33. روش‌های نرمال‌سازی داده‌ها
• 34. تبدیلات لگاریتمی و جعبه‌کاکس
• 35. نرمال‌سازی مبتنی بر میانگین و واریانس
• 36. مدل‌های غیرخطی سری زمانی
• 37. مقدمه‌ای بر مدل‌های غیرخطی
• 38. مدل‌های ARCH و GARCH
• 39. مدل‌های غیرخطی تعمیم‌یافته
• 40. مدل‌های مبتنی بر یادگیری ماشین
• 41. مقدمه‌ای بر یادگیری ماشین در سری زمانی
• 42. شبکه‌های عصبی بازگشتی (RNN)
• 43. شبکه‌های حافظه طولانی کوتاه (LSTM)
• 44. شبکه‌های حافظه کوتاه مدت (GRU)
• 45. مدل‌های درخت تصمیم و جنگل تصادفی
• 46. مدل‌های گرادیان بوستینگ
• 47. کاربرد مدل‌های یادگیری ماشین
• 48. ارزیابی مدل‌های یادگیری ماشین
• 49. کاربرد در تحلیل داده‌های اقلیمی
• 50. شناسایی الگوهای اقلیمی
• 51. پیش‌بینی تغییرات دمایی
• 52. پیش‌بینی بارش
• 53. مدل‌سازی رویدادهای حدی اقلیمی
• 54. تحلیل سری‌های زمانی داده‌های اقیانوس‌شناسی
• 55. تحلیل سری‌های زمانی داده‌های هواشناسی
• 56. مدل‌سازی داده‌های آلودگی هوا
• 57. تحلیل داده‌های کشاورزی مرتبط با اقلیم
• 58. کاربرد در مدیریت منابع آب
• 59. تحلیل داده‌های مربوط به خشکسالی
• 60. پیش‌بینی سیلاب
• 61. مدل‌سازی اثرات تغییر اقلیم
• 62. روش‌های ارزیابی و اعتبارسنجی مدل
• 63. اعتبارسنجی متقابل
• 64. شاخص‌های ارزیابی عملکرد مدل
• 65. تحلیل حساسیت مدل
• 66. مقدمه‌ای بر نرم‌افزارهای آماری
• 67. استفاده از R در تحلیل سری زمانی
• 68. استفاده از Python در تحلیل سری زمانی
• 69. استفاده از نرم‌افزارهای تخصصی
• 70. مباحث پیشرفته در سری‌های زمانی
• 71. تحلیل سری‌های زمانی چندمتغیره
• 72. مقدمه‌ای بر سری‌های زمانی چندمتغیره
• 73. مدل‌های VAR و VECM
• 74. کاربرد در تحلیل سیستم‌های اقلیمی
• 75. تجزیه سری‌های زمانی به مولفه‌ها
• 76. تجزیه فصلی-روندی (STL)
• 77. تجزیه مبتنی بر موجک
• 78. تحلیل سری‌های زمانی با داده‌های گمشده
• 79. روش‌های جایگزینی داده‌های گمشده
• 80. مدل‌سازی با وجود داده‌های گمشده
• 81. مقدمه‌ای بر اقتصاد سنجی سری زمانی
• 82. مدل‌های رگرسیون سری زمانی
• 83. مفهوم هم‌انباشتگی
• 84. کاربرد در تحلیل داده‌های اقتصادی مرتبط با اقلیم
• 85. مقدمه‌ای بر مدل‌های سری زمانی بیزی
• 86. روش‌های بیزی برای تخمین پارامتر
• 87. پیش‌بینی بیزی
• 88. کاربرد در تحلیل داده‌های اقلیمی
• 89. تحلیل سری‌های زمانی فضایی-زمانی
• 90. مقدمه‌ای بر داده‌های فضایی-زمانی
• 91. مدل‌های سری زمانی فضایی
• 92. کاربرد در تحلیل الگوهای اقلیمی منطقه‌ای
• 93. کاربرد در مدل‌سازی آلودگی هوا در مقیاس منطقه‌ای
• 94. مقدمه‌ای بر مدل‌های سری زمانی غیرپارامتری
• 95. روش‌های غیرپارامتری برای تخمین چگالی
• 96. کاربرد در تحلیل داده‌های اقلیمی پیچیده
• 97. مقدمه‌ای بر مدل‌های سری زمانی با ساختار پیچیده
• 98. مدل‌های مارکوف پنهان (HMM)
• 99. کاربرد در شناسایی رژیم‌های اقلیمی
• 100. مقدمه‌ای بر مدل‌های سری زمانی برای داده‌های شمارشی