کتاب بهینه‌سازی تخصیص منابع با سری‌های 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 تخصیص منابع با سری‌های زمانی

موضوع کلی: پیش‌بینی سری زمانی و بهینه‌سازی

موضوع میانی: SciPy Optimize

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر سری‌های زمانی و کاربردهای آن
  • 2. تحلیل و پیش‌بینی سری‌های زمانی در اقتصاد
  • 3. آمار توصیفی سری‌های زمانی: میانگین، واریانس و انحراف معیار
  • 4. نمودارهای سری‌های زمانی و شناسایی الگوها
  • 5. مؤلفه‌های سری‌های زمانی: روند، فصلی، چرخه‌ای و تصادفی
  • 6. روش‌های صاف‌سازی سری‌های زمانی: میانگین متحرک
  • 7. روش‌های صاف‌سازی سری‌های زمانی: نمایی نمایی
  • 8. تجزیه سری‌های زمانی به مؤلفه‌های مختلف
  • 9. معرفی مدل‌های خودهمبستگی (AR)
  • 10. معرفی مدل‌های میانگین متحرک (MA)
  • 11. مدل‌های خودهمبستگی و میانگین متحرک (ARMA)
  • 12. شناسایی مرتبه مدل‌های ARMA با استفاده از توابع خودهمبستگی و خودهمبستگی جزئی
  • 13. برآورد پارامترهای مدل‌های ARMA
  • 14. آزمون برازش مدل‌های ARMA
  • 15. پیش‌بینی با استفاده از مدل‌های ARMA
  • 16. معرفی مدل‌های خودهمبستگی یکپارچه میانگین متحرک (ARIMA)
  • 17. تبدیل سری‌های زمانی غیرایستا به ایستا
  • 18. شناسایی مرتبه مدل‌های ARIMA
  • 19. برآورد پارامترهای مدل‌های ARIMA
  • 20. آزمون برازش مدل‌های ARIMA
  • 21. پیش‌بینی با استفاده از مدل‌های ARIMA
  • 22. مدل‌های فصلی ARIMA (SARIMA)
  • 23. تحلیل سری‌های زمانی با استفاده از نرم‌افزارهای آماری
  • 24. کاربردهای سری‌های زمانی در پیش‌بینی فروش
  • 25. کاربردهای سری‌های زمانی در مدیریت موجودی
  • 26. کاربردهای سری‌های زمانی در پیش‌بینی تقاضا
  • 27. کاربردهای سری‌های زمانی در تحلیل بازار سهام
  • 28. مدل‌سازی GARCH برای سری‌های زمانی با نوسانات متغیر
  • 29. آزمون‌های ریشه واحد و ایستایی در سری‌های زمانی
  • 30. معرفی مدل‌های فضای حالت
  • 31. فیلتر کالمن و صاف‌سازی
  • 32. شبکه‌های عصبی مصنوعی برای پیش‌بینی سری‌های زمانی
  • 33. ماشین‌های بردار پشتیبان برای پیش‌بینی سری‌های زمانی
  • 34. روش‌های ensemble برای پیش‌بینی سری‌های زمانی
  • 35. ارزیابی عملکرد مدل‌های پیش‌بینی سری‌های زمانی
  • 36. معیارهای ارزیابی: RMSE، MAE، MAPE
  • 37. تحلیل حساسیت مدل‌های سری زمانی
  • 38. بهینه‌سازی پارامترهای مدل‌های سری زمانی
  • 39. مدل‌سازی سری‌های زمانی چندمتغیره
  • 40. تحلیل هم‌انباشتگی در سری‌های زمانی چندمتغیره
  • 41. پیش‌بینی سری‌های زمانی با استفاده از رگرسیون چندگانه
  • 42. کاربردهای سری‌های زمانی در مدیریت ریسک
  • 43. تحلیل سری‌های زمانی در حوزه انرژی
  • 44. تحلیل سری‌های زمانی در حوزه هواشناسی
  • 45. بررسی چالش‌ها و محدودیت‌های مدل‌سازی سری‌های زمانی

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.