کتاب پیش‌بینی با داده: تحلیل سری‌های زمانی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پیش‌بینی با داده: تحلیل سری‌های زمانی

موضوع کلی: مدیریت دانش و داده‌کاوی

موضوع میانی: داده‌کاوی و یادگیری ماشین

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل سری‌های زمانی
• 2. مفاهیم پایه در سری‌های زمانی
• 3. انواع داده‌های سری زمانی
• 4. نمایش گرافیکی سری‌های زمانی
• 5. تجزیه سری‌های زمانی به اجزای مختلف
• 6. میانگین متحرک: روش‌ها و کاربردها
• 7. نمایی هموارسازی
• 8. روش‌های تعیین مرتبه هموارسازی نمایی
• 9. تحلیل روند در سری‌های زمانی
• 10. تحلیل فصلی در سری‌های زمانی
• 11. فصل‌زدایی سری‌های زمانی
• 12. مدل‌های خودهمبستگی (AR)
• 13. مدل‌های میانگین متحرک (MA)
• 14. مدل‌های خودهمبستگی میانگین متحرک (ARMA)
• 15. تشخیص مرتبه مدل ARMA
• 16. برآورد پارامترهای مدل ARMA
• 17. آزمون برازش مدل ARMA
• 18. پیش‌بینی با مدل‌های ARMA
• 19. مدل‌های خودهمبستگی یکپارچه میانگین متحرک (ARIMA)
• 20. شناسایی مرتبه مدل ARIMA
• 21. برآورد پارامترهای مدل ARIMA
• 22. آزمون برازش مدل ARIMA
• 23. پیش‌بینی با مدل‌های ARIMA
• 24. مدل‌های فصلی ARIMA (SARIMA)
• 25. شناسایی مرتبه مدل SARIMA
• 26. برآورد پارامترهای مدل SARIMA
• 27. آزمون برازش مدل SARIMA
• 28. پیش‌بینی با مدل‌های SARIMA
• 29. مدل‌های GARCH برای داده‌های ناهمسانی واریانس
• 30. برآورد پارامترهای مدل GARCH
• 31. آزمون برازش مدل GARCH
• 32. پیش‌بینی با مدل‌های GARCH
• 33. استفاده از شبکه‌های عصبی در پیش‌بینی سری‌های زمانی
• 34. شبکه‌های عصبی بازگشتی (RNN) برای سری‌های زمانی
• 35. شبکه‌های LSTM برای پیش‌بینی سری‌های زمانی
• 36. شبکه‌های GRU برای پیش‌بینی سری‌های زمانی
• 37. ارزیابی عملکرد مدل‌های پیش‌بینی سری‌های زمانی
• 38. معیارهای ارزیابی مدل‌های پیش‌بینی
• 39. تحلیل باقیمانده‌ها در مدل‌های سری زمانی
• 40. پیش‌بینی بازه‌ای در سری‌های زمانی
• 41. کاربردهای پیش‌بینی سری‌های زمانی در اقتصاد
• 42. کاربردهای پیش‌بینی سری‌های زمانی در مالی
• 43. کاربردهای پیش‌بینی سری‌های زمانی در مهندسی
• 44. کاربردهای پیش‌بینی سری‌های زمانی در هواشناسی
• 45. نرم‌افزارهای تحلیل سری‌های زمانی