کتاب بهینه‌سازی با SciPy: پیش‌بینی سری زمانی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه‌سازی با SciPy: پیش‌بینی سری زمانی

موضوع کلی: پیش‌بینی سری زمانی و بهینه‌سازی

موضوع میانی: SciPy Optimize

📋 سرفصل‌های دوره

  • 1. بهینه‌سازی توابع با استفاده از SciPy
  • 2. مقدمه‌ای بر بهینه‌سازی سری‌های زمانی
  • 3. SciPy و کاربردهای آن در تحلیل داده
  • 4. نصب و راه‌اندازی SciPy برای تحلیل سری زمانی
  • 5. آشنایی با ساختار داده‌های سری زمانی در Python
  • 6. مفهوم بهینه‌سازی و انواع آن
  • 7. توابع هدف در بهینه‌سازی سری زمانی
  • 8. روش‌های گرادیانی در بهینه‌سازی
  • 9. روش‌های نیوتن در بهینه‌سازی
  • 10. بهینه‌سازی بدون محدودیت با SciPy
  • 11. بهینه‌سازی با محدودیت با SciPy
  • 12. استفاده از الگوریتم‌های تکاملی در بهینه‌سازی
  • 13. مدل‌سازی سری‌های زمانی با استفاده از SciPy
  • 14. پیش‌بینی سری زمانی با مدل‌های خودرگرسیون (AR)
  • 15. پیش‌بینی سری زمانی با مدل‌های میانگین متحرک (MA)
  • 16. مدل‌های ARMA و کاربرد آن‌ها در پیش‌بینی
  • 17. مدل‌های ARIMA و شناسایی پارامترها
  • 18. آزمون ایستایی سری‌های زمانی
  • 19. انتخاب مرتبه مناسب برای مدل‌های ARIMA
  • 20. پیش‌بینی فصلی با استفاده از مدل‌های SARIMA
  • 21. ارزیابی عملکرد مدل‌های پیش‌بینی سری زمانی
  • 22. معیارهای ارزیابی مدل: MSE، RMSE، MAE
  • 23. اعتبارسنجی متقابل (Cross-validation) در پیش‌بینی سری زمانی
  • 24. بهینه‌سازی پارامترهای مدل با استفاده از SciPy
  • 25. بهینه‌سازی مدل‌های سری زمانی با الگوریتم‌های ژنتیک
  • 26. استفاده از روش‌های ensemble در پیش‌بینی سری زمانی
  • 27. پیش‌بینی سری زمانی با استفاده از شبکه‌های عصبی مصنوعی
  • 28. بهینه‌سازی وزن‌های شبکه‌های عصبی با SciPy
  • 29. پیش‌بینی سری زمانی با استفاده از یادگیری ماشین
  • 30. انتخاب ویژگی‌های مهم در پیش‌بینی سری زمانی
  • 31. مهندسی ویژگی برای بهبود دقت پیش‌بینی
  • 32. پیش‌بینی با استفاده از مدل‌های رگرسیونی
  • 33. بهینه‌سازی مدل‌های رگرسیونی با SciPy
  • 34. تحلیل حساسیت در بهینه‌سازی سری زمانی
  • 35. مدل‌سازی غیرخطی سری‌های زمانی
  • 36. پیش‌بینی سری زمانی با استفاده از توابع spline
  • 37. بررسی تاثیر داده‌های پرت (Outliers) در بهینه‌سازی
  • 38. تکنیک‌های حذف داده‌های پرت
  • 39. پیش‌بینی سری زمانی با استفاده از مدل‌های GARCH
  • 40. بهینه‌سازی مدل‌های GARCH با SciPy
  • 41. کاربرد بهینه‌سازی در مدیریت ریسک سری زمانی
  • 42. تحلیل سناریو در پیش‌بینی سری زمانی
  • 43. پیش‌بینی سری زمانی در حضور داده‌های گمشده
  • 44. تکمیل داده‌های گمشده با استفاده از SciPy
  • 45. بهینه‌سازی مدل‌های سری زمانی با استفاده از الگوریتم‌های swarm intelligence

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.