کتاب بهینه‌سازی پارامترهای مدل‌های 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 پارامترهای مدل‌های سری زمانی

موضوع کلی: پیش‌بینی سری زمانی و بهینه‌سازی

موضوع میانی: SciPy Optimize

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر سری‌های زمانی و کاربردهای آن‌ها
  • 2. جمع‌آوری و پیش‌پردازش داده‌های سری زمانی
  • 3. نمایش گرافیکی سری‌های زمانی و تحلیل بصری
  • 4. مفاهیم پایه آماری در تحلیل سری‌های زمانی
  • 5. میانگین متحرک و کاربردهای آن در هموارسازی داده‌ها
  • 6. روش‌های نمایی هموارسازی: ساده، دوبل و تریپل
  • 7. تحلیل واریانس و کوواریانس در سری‌های زمانی
  • 8. تابع خودهمبستگی (ACF) و تابع خودهمبستگی جزئی (PACF)
  • 9. مدل‌های خودرگرسیونی (AR)
  • 10. مدل‌های میانگین متحرک (MA)
  • 11. مدل‌های خودرگرسیونی میانگین متحرک (ARMA)
  • 12. انتخاب مرتبه مدل‌های ARMA با استفاده از ACF و PACF
  • 13. تخمین پارامترهای مدل‌های ARMA
  • 14. آزمون برازش مدل ARMA و ارزیابی عملکرد
  • 15. مدل‌های خودرگرسیونی یکپارچه میانگین متحرک (ARIMA)
  • 16. انتخاب مرتبه مدل‌های ARIMA
  • 17. تخمین پارامترهای مدل‌های ARIMA
  • 18. آزمون برازش مدل ARIMA و ارزیابی عملکرد
  • 19. پیش‌بینی با استفاده از مدل‌های ARIMA
  • 20. مدل‌های فصلی ARIMA (SARIMA)
  • 21. انتخاب مرتبه مدل‌های SARIMA
  • 22. تخمین پارامترهای مدل‌های SARIMA
  • 23. آزمون برازش مدل SARIMA و ارزیابی عملکرد
  • 24. پیش‌بینی فصلی با استفاده از مدل‌های SARIMA
  • 25. مدل‌های GARCH برای داده‌های ناپایدار
  • 26. مقدمه‌ای بر مدل‌های فضای حالت و فیلتر کالمن
  • 27. کاربرد مدل‌های فضای حالت در سری‌های زمانی
  • 28. مدل‌سازی داده‌های چندمتغیره سری زمانی (VAR)
  • 29. انتخاب مرتبه مدل VAR
  • 30. تخمین پارامترهای مدل VAR و ارزیابی عملکرد
  • 31. پیش‌بینی با استفاده از مدل‌های VAR
  • 32. تحلیل علیت گرنجر
  • 33. مدل‌سازی سری‌های زمانی با استفاده از شبکه‌های عصبی
  • 34. شبکه‌های عصبی بازگشتی (RNN) برای سری‌های زمانی
  • 35. شبکه‌های LSTM و GRU برای پیش‌بینی سری‌های زمانی
  • 36. بهینه‌سازی پارامترهای شبکه‌های عصبی در سری‌های زمانی
  • 37. استفاده از روش‌های منظم‌سازی (Regularization) برای جلوگیری از بیش‌برازش
  • 38. اعتبارسنجی متقابل (Cross-Validation) در مدل‌سازی سری‌های زمانی
  • 39. انتخاب ویژگی (Feature Selection) در سری‌های زمانی
  • 40. تبدیل‌های داده برای بهبود عملکرد مدل
  • 41. روش‌های ارزیابی عملکرد مدل‌های سری زمانی
  • 42. مقایسه مدل‌های مختلف سری زمانی
  • 43. کاربرد عملی بهینه‌سازی پارامترها در پیش‌بینی فروش
  • 44. کاربرد عملی بهینه‌سازی پارامترها در پیش‌بینی تقاضای برق
  • 45. کاربرد عملی بهینه‌سازی پارامترها در پیش‌بینی شاخص‌های اقتصادی

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.