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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پیش‌بینی با سری‌های زمانی

موضوع کلی: آمار و مدل‌سازی

موضوع میانی: پیش‌بینی آماری

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر سری‌های زمانی و کاربردهای آن‌ها
• 2. جمع‌آوری و آماده‌سازی داده‌های سری زمانی
• 3. نمودارهای سری زمانی و تحلیل بصری
• 4. مفاهیم پایه آماری در سری‌های زمانی
• 5. میانگین متحرک و هموارسازی نمایی
• 6. تجزیه سری زمانی به اجزای مختلف
• 7. فصل‌بندی و تحلیل فصلی
• 8. رگرسیون خطی ساده در پیش‌بینی سری‌های زمانی
• 9. رگرسیون چندگانه و انتخاب متغیرها
• 10. معیارهای ارزیابی مدل‌های پیش‌بینی
• 11. مدل‌های ARIMA: مفاهیم و کاربردها
• 12. شناسایی مرتبه مدل ARIMA
• 13. تخمین پارامترهای مدل ARIMA
• 14. آزمون‌های معناداری و بررسی برازش مدل
• 15. پیش‌بینی با مدل‌های ARIMA
• 16. مدل‌های SARIMA: معرفی و کاربردها
• 17. شناسایی مرتبه مدل SARIMA
• 18. تخمین پارامترهای مدل SARIMA
• 19. آزمون‌های معناداری در مدل‌های SARIMA
• 20. پیش‌بینی فصلی با مدل‌های SARIMA
• 21. مدل‌های نمایی هموارسازی (ETS)
• 22. انتخاب مدل ETS مناسب
• 23. تخمین پارامترهای مدل ETS
• 24. ارزیابی و مقایسه مدل‌های ETS
• 25. پیش‌بینی با مدل‌های ETS
• 26. مدل‌های GARCH: معرفی و کاربردها
• 27. شناسایی مدل GARCH مناسب
• 28. تخمین پارامترهای مدل GARCH
• 29. آزمون‌های معناداری در مدل‌های GARCH
• 30. پیش‌بینی نوسانات با مدل‌های GARCH
• 31. شبکه‌های عصبی مصنوعی در پیش‌بینی سری‌های زمانی
• 32. شبکه‌های عصبی بازگشتی (RNN)
• 33. شبکه‌های حافظه بلندمدت (LSTM)
• 34. پیش‌بینی با مدل‌های LSTM
• 35. مدل‌های یادگیری ماشین دیگر در پیش‌بینی سری‌های زمانی
• 36. درخت‌های تصمیم‌گیری و جنگل تصادفی
• 37. ماشین بردار پشتیبان (SVM)
• 38. استفاده از الگوریتم‌های خوشه‌بندی در سری‌های زمانی
• 39. تحلیل سری‌های زمانی چندمتغیره
• 40. مدل‌های VAR و VECM
• 41. پیش‌بینی با مدل‌های VAR و VECM
• 42. بررسی و رفع ناهمگونی واریانس
• 43. آزمون‌های ایستایی و تبدیل داده‌ها
• 44. مدل‌سازی سری‌های زمانی با داده‌های از دست رفته
• 45. روش‌های درون‌یابی داده‌های از دست رفته