دوره طراحی Event-Time Processing برای Time Series همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی Event-Time Processing برای Time Series

موضوع کلی: توسعه نرم‌افزار سمت سرور با جاوا

موضوع میانی: طراحی پایگاه داده های Distributed Distributed Time Series Database با جاوا

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر پردازش سری‌های زمانی
• 2. مفاهیم پایه سری‌های زمانی
• 3. انواع داده‌های سری زمانی
• 4. روش‌های جمع‌آوری داده‌های سری زمانی
• 5. پیش‌پردازش داده‌های سری زمانی
• 6. صاف‌سازی داده‌ها: میانگین متحرک
• 7. صاف‌سازی داده‌ها: نمایی
• 8. تجزیه سری‌های زمانی به مولفه‌ها
• 9. تخمین روند در سری‌های زمانی
• 10. تخمین فصلی در سری‌های زمانی
• 11. مدل‌های خودهمبستگی (AR)
• 12. مدل‌های میانگین متحرک (MA)
• 13. مدل‌های خودهمبستگی میانگین متحرک (ARMA)
• 14. مدل‌های خودهمبستگی یکپارچه میانگین متحرک (ARIMA)
• 15. شناسایی مرتبه مدل ARIMA
• 16. برآورد پارامترهای مدل ARIMA
• 17. آزمون‌های بررسی برازش مدل ARIMA
• 18. پیش‌بینی با استفاده از مدل ARIMA
• 19. مدل‌های نمایی هموارسازی
• 20. روش هولت-وینترز
• 21. روش هولت-وینترز فصلی
• 22. مدل‌سازی با استفاده از فضای حالت
• 23. فیلتر کالمن
• 24. مدل‌های GARCH برای داده‌های ناهمسانی واریانس
• 25. آزمون‌های ایستایی سری‌های زمانی
• 26. تبدیل داده‌های غیرایستا به ایستا
• 27. تحلیل طیفی سری‌های زمانی
• 28. تبدیل فوریه
• 29. طیف توان
• 30. تحلیل موجک برای سری‌های زمانی
• 31. پردازش رویداد-زمانی: مفاهیم و کاربردها
• 32. شناسایی رویدادها در سری‌های زمانی
• 33. استخراج ویژگی‌های رویداد
• 34. مدل‌سازی رویداد-زمانی با استفاده از فرآیندهای پواسون
• 35. مدل‌سازی رویداد-زمانی با استفاده از شبکه‌های پتری
• 36. تحلیل هم‌وقوعی رویدادها
• 37. خوشه‌بندی رویدادها در سری‌های زمانی
• 38. یادگیری ماشین برای پردازش رویداد-زمانی
• 39. شبکه‌های عصبی برای تشخیص رویداد
• 40. ماشین‌های بردار پشتیبان برای طبقه‌بندی رویداد
• 41. درخت‌های تصمیم برای پیش‌بینی رویداد
• 42. کاربردهای پردازش رویداد-زمانی در تشخیص ناهنجاری
• 43. کاربردهای پردازش رویداد-زمانی در پیش‌بینی تعمیر و نگهداری
• 44. کاربردهای پردازش رویداد-زمانی در تحلیل ریسک
• 45. کاربردهای پردازش رویداد-زمانی در بازاریابی
• 46. ارزیابی عملکرد مدل‌های پردازش رویداد-زمانی
• 47. متریک‌های ارزیابی
• 48. اعتبارسنجی متقابل
• 49. بهینه‌سازی پارامترهای مدل
• 50. پردازش سری‌های زمانی چندمتغیره
• 51. تحلیل همبستگی متقابل
• 52. مدل‌سازی واریانس مشترک
• 53. پیش‌بینی سری‌های زمانی چندمتغیره
• 54. مقدمه‌ای بر Big Data و سری‌های زمانی
• 55. پردازش سری‌های زمانی در مقیاس بزرگ
• 56. استفاده از Spark برای پردازش سری‌های زمانی
• 57. استفاده از Hadoop برای پردازش سری‌های زمانی
• 58. تکنیک‌های کاهش ابعاد برای سری‌های زمانی
• 59. تحلیل سری‌های زمانی با داده‌های گمشده
• 60. تکنیک‌های جایگزینی داده‌های گمشده
• 61. تحلیل حساسیت داده‌های گمشده
• 62. پردازش سری‌های زمانی با نویز
• 63. تکنیک‌های حذف نویز
• 64. تحلیل سری‌های زمانی غیرخطی
• 65. مدل‌های بازگشتی
• 66. مدل‌های آشوبناک
• 67. تحلیل سری‌های زمانی فضایی-زمانی
• 68. GIS و سری‌های زمانی
• 69. مدل‌سازی مکانی-زمانی
• 70. پیش‌بینی سری‌های زمانی فضایی-زمانی
• 71. مفاهیم پیشرفته در پردازش رویداد-زمانی
• 72. تحلیل الگوهای رویداد
• 73. استخراج قوانین وابستگی رویداد
• 74. مدل‌سازی حافظه‌دار رویداد
• 75. کاربردهای تخصصی پردازش رویداد-زمانی در حوزه سلامت
• 76. کاربردهای تخصصی پردازش رویداد-زمانی در حوزه مالی
• 77. کاربردهای تخصصی پردازش رویداد-زمانی در حوزه صنعتی
• 78. ابزارهای نرم‌افزاری برای پردازش سری‌های زمانی
• 79. R برای پردازش سری‌های زمانی
• 80. Python برای پردازش سری‌های زمانی
• 81. MATLAB برای پردازش سری‌های زمانی
• 82. آینده پردازش سری‌های زمانی و رویداد-زمانی