کتاب صوتی یادگیری ماشین برای پیش‌بینی سری‌های زمانی حسگر

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری ماشین برای پیش‌بینی سری‌های زمانی حسگر

موضوع کلی: هوش مصنوعی در پژوهش و توسعه

موضوع میانی: هوش مصنوعی در تحلیل داده‌های حسگرها

📋 سرفصل‌های دوره

• 1. مبانی سری‌های زمانی و کاربردهای حسگرها
• 2. آشنایی با داده‌های حسگر و ویژگی‌های آن‌ها
• 3. پیش‌پردازش داده‌های حسگر: حذف نویز و داده‌های پرت
• 4. تکنیک‌های درون‌یابی و تکمیل داده‌های گمشده در سری‌های زمانی
• 5. تبدیل داده‌های حسگر: نرمال‌سازی و استانداردسازی
• 6. ویژگی‌های آماری سری‌های زمانی حسگر
• 7. تجزیه و تحلیل طیفی سری‌های زمانی: تبدیل فوریه
• 8. تحلیل خودهمبستگی و خودارتباط متقابل
• 9. مقدمه‌ای بر مدل‌های سری زمانی خطی
• 10. مدل‌های میانگین متحرک (MA)
• 11. مدل‌های میانگین متحرک با خودهمبستگی (ARMA)
• 12. مدل‌های خودرگرسیون یکپارچه میانگین متحرک (ARIMA)
• 13. انتخاب مرتبه مدل ARIMA: ACF و PACF
• 14. برآورد پارامترهای مدل ARIMA
• 15. ارزیابی عملکرد مدل ARIMA: معیار خطای میانگین مربعات (MSE)
• 16. پیش‌بینی با مدل‌های ARIMA
• 17. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
• 18. شبکه‌های عصبی پیش‌خور برای پیش‌بینی سری‌های زمانی
• 19. شبکه‌های عصبی بازگشتی (RNN)
• 20. شبکه‌های حافظه بلندمدت (LSTM) برای سری‌های زمانی
• 21. شبکه‌های گیت‌دار بازگشتی (GRU)
• 22. آماده‌سازی داده‌ها برای شبکه‌های عصبی: پنجره‌های لغزنده
• 23. انتخاب معماری شبکه عصبی
• 24. بهینه‌سازی فرایند یادگیری شبکه‌های عصبی
• 25. تنظیم هایپرپارامترهای شبکه‌های عصبی
• 26. ارزیابی عملکرد شبکه‌های عصبی: معیار RMSE
• 27. پیش‌بینی سری‌های زمانی با شبکه‌های LSTM
• 28. پیش‌بینی سری‌های زمانی با شبکه‌های GRU
• 29. مقایسه مدل‌های ARIMA و شبکه‌های عصبی
• 30. مقدمه‌ای بر یادگیری عمیق کانولوشنال برای سری‌های زمانی
• 31. شبکه‌های کانولوشنال یک‌بعدی (1D CNN) برای سری‌های زمانی
• 32. ترکیب CNN و LSTM برای پیش‌بینی سری‌های زمانی
• 33. استفاده از داده‌های چندحسگری برای پیش‌بینی
• 34. روش‌های انتخاب ویژگی برای داده‌های حسگر
• 35. کاهش ابعاد داده‌های حسگر: تحلیل مولفه‌های اصلی (PCA)
• 36. روش‌های خوشه‌بندی سری‌های زمانی حسگر
• 37. تشخیص ناهنجاری در داده‌های حسگر
• 38. کاربرد پیش‌بینی سری‌های زمانی در سیستم‌های نظارت بر سلامت
• 39. کاربرد پیش‌بینی سری‌های زمانی در مدیریت انرژی
• 40. کاربرد پیش‌بینی سری‌های زمانی در پیش‌بینی ترافیک
• 41. کاربرد پیش‌بینی سری‌های زمانی در کنترل فرآیندهای صنعتی
• 42. استفاده از کتابخانه‌های پایتون برای پیش‌بینی سری‌های زمانی
• 43. پیاده‌سازی یک سیستم پیش‌بینی سری‌های زمانی حسگر نمونه