دوره پیش‌بینی بار ترافیکی با سری‌های زمانی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پیش‌بینی بار ترافیکی با سری‌های زمانی

موضوع کلی: یادگیری ماشینی پیشرفته

موضوع میانی: شناسایی الگوها در ترافیک

📋 سرفصل‌های دوره

• 1. مفاهیم پایه سری‌های زمانی
• 2. آشنایی با داده‌های ترافیکی و ویژگی‌های آن‌ها
• 3. پیش‌پردازش داده‌های ترافیکی
• 4. روش‌های آمار توصیفی برای تحلیل ترافیک
• 5. نمودارهای سری زمانی و تفسیر آن‌ها
• 6. مفهوم ایستایی در سری‌های زمانی
• 7. آزمون‌های ایستایی سری‌های زمانی
• 8. تبدیل سری‌های زمانی غیریستا به رستا
• 9. تجزیه سری زمانی به مؤلفه‌های روند، فصلی و تصادفی
• 10. مدل‌های میانگین متحرک
• 11. مدل‌های نمایی هموارسازی
• 12. روش‌های ارزیابی مدل‌های میانگین متحرک و نمایی
• 13. مقدمه‌ای بر مدل‌های ARIMA
• 14. شناسایی مرتبه مدل ARIMA (ACF و PACF)
• 15. تخمین پارامترهای مدل ARIMA
• 16. آزمون معناداری و بررسی برازش مدل ARIMA
• 17. پیش‌بینی با استفاده از مدل ARIMA
• 18. مدل‌های SARIMA برای داده‌های فصلی
• 19. شناسایی مرتبه مدل SARIMA
• 20. ارزیابی و انتخاب مدل SARIMA
• 21. پیش‌بینی ترافیک با مدل SARIMA
• 22. مدل‌های GARCH و کاربرد آن‌ها در ترافیک
• 23. مفاهیم پایه شبکه‌های عصبی مصنوعی
• 24. شبکه‌های عصبی بازگشتی (RNN) برای سری‌های زمانی
• 25. شبکه‌های LSTM و GRU برای پیش‌بینی ترافیک
• 26. آماده‌سازی داده‌ها برای شبکه‌های عصبی
• 27. ساخت و آموزش شبکه‌های عصبی برای پیش‌بینی ترافیک
• 28. ارزیابی و تنظیم پارامترهای شبکه‌های عصبی
• 29. مقایسه عملکرد مدل‌های ARIMA و شبکه‌های عصبی
• 30. استفاده از یادگیری تقویتی برای کنترل ترافیک
• 31. پیش‌بینی ترافیک در شرایط مختلف آب و هوایی
• 32. پیش‌بینی ترافیک با در نظر گرفتن رویدادهای خاص
• 33. ادغام داده‌های ترافیکی با سایر منابع داده
• 34. تجزیه و تحلیل داده‌های ترافیکی با استفاده از پایتون
• 35. استفاده از کتابخانه‌های Pandas و NumPy برای تحلیل داده‌ها
• 36. مصورسازی داده‌های ترافیکی با استفاده از Matplotlib و Seaborn
• 37. پیاده‌سازی مدل‌های پیش‌بینی ترافیک در محیط ابری
• 38. بهینه‌سازی مدل‌های پیش‌بینی ترافیک
• 39. ارزیابی ریسک و عدم قطعیت در پیش‌بینی ترافیک
• 40. کاربردهای پیش‌بینی ترافیک در مدیریت شهری
• 41. چالش‌ها و محدودیت‌های پیش‌بینی ترافیک
• 42. آینده‌پژوهی در حوزه پیش‌بینی ترافیک و سری‌های زمانی