دوره سری‌های زمانی: روش‌های نوین و کاربردی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره سری‌های زمانی: روش‌های نوین و کاربردی

موضوع کلی: تحلیل داده‌ها و یادگیری ماشین

موضوع میانی: پیش‌بینی سری‌های زمانی

📋 سرفصل‌های دوره

• 1. سری‌های زمانی: مفاهیم و کاربردها
• 2. تحلیل سری‌های زمانی: رویکرد آماری
• 3. مقدمه‌ای بر داده‌های سری زمانی
• 4. انواع داده‌های سری زمانی و ویژگی‌های آن‌ها
• 5. نمایش گرافیکی سری‌های زمانی
• 6. تجزیه و تحلیل روند در سری‌های زمانی
• 7. فصل‌ها و الگوهای تکرارشونده در داده‌ها
• 8. تجزیه واریانس و تحلیل بقایا
• 9. مدل‌های خودهمبستگی (AR)
• 10. مدل‌های میانگین متحرک (MA)
• 11. مدل‌های خودهمبستگی میانگین متحرک (ARMA)
• 12. انتخاب مرتبه مدل ARMA
• 13. تخمین پارامترهای مدل ARMA
• 14. آزمون‌های معناداری و برازش مدل
• 15. پیش‌بینی با مدل‌های ARMA
• 16. مدل‌های خودهمبستگی یکپارچه میانگین متحرک (ARIMA)
• 17. انتخاب مرتبه مدل ARIMA
• 18. تخمین پارامترهای مدل ARIMA
• 19. آزمون‌های معناداری و برازش مدل ARIMA
• 20. پیش‌بینی با مدل‌های ARIMA
• 21. سری‌های زمانی غیرایستا و تبدیل‌های لازم
• 22. آزمون‌های ایستایی (مانند ADF)
• 23. تکنیک‌های تفاضل‌گیری برای دستیابی به ایستایی
• 24. مدل‌سازی داده‌های فصلی
• 25. روش‌های تجزیه فصلی
• 26. مدل‌های نمایی هموارسازی (Exponential Smoothing)
• 27. روش‌های Holt-Winters برای پیش‌بینی
• 28. مدل‌سازی GARCH برای داده‌های مالی
• 29. مدل‌سازی ARCH و کاربردهای آن
• 30. بررسی و تحلیل باقی‌مانده‌های مدل GARCH
• 31. پیش‌بینی نوسانات با مدل‌های GARCH
• 32. مدل‌های VAR (برداری خودرگرسیون)
• 33. تحلیل هم‌انباشتگی (Cointegration)
• 34. مدل‌های تصحیح خطا (VECM)
• 35. کاربرد مدل‌های VAR در پیش‌بینی چندمتغیره
• 36. مدل‌سازی سری‌های زمانی با داده‌های از دست رفته
• 37. تکنیک‌های درون‌یابی داده‌های از دست رفته
• 38. ارزیابی عملکرد مدل‌های سری زمانی
• 39. معیارهای ارزیابی دقت پیش‌بینی
• 40. تحلیل حساسیت مدل‌های سری زمانی
• 41. بهینه‌سازی مدل‌های سری زمانی
• 42. نرم‌افزارهای کاربردی در تحلیل سری‌های زمانی (EViews, R, Python)
• 43. کاربرد سری‌های زمانی در اقتصاد و مالی
• 44. کاربرد سری‌های زمانی در پیش‌بینی فروش
• 45. کاربرد سری‌های زمانی در تحلیل بازار سهام