کتاب صوتی تحلیل سری‌های زمانی و پیش‌بینی روندها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل سری‌های زمانی و پیش‌بینی روندها

موضوع کلی: تحلیل داده‌ها و هوش تجاری

موضوع میانی: آمار کاربردی و مدل‌سازی آماری در کسب‌وکار

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر سری‌های زمانی
• 2. جمع‌آوری و آماده‌سازی داده‌های سری زمانی
• 3. نمودارهای سری زمانی و تفسیر آن‌ها
• 4. مؤلفه‌های سری زمانی: روند، فصلی، چرخه‌ای و تصادفی
• 5. میانگین متحرک و کاربردهای آن
• 6. روش‌های هموارسازی نمایی
• 7. تحلیل واریانس و تحلیل کوواریانس
• 8. مدل‌های خودهمبستگی (AR)
• 9. مدل‌های میانگین متحرک (MA)
• 10. مدل‌های خودهمبستگی میانگین متحرک (ARMA)
• 11. انتخاب مرتبه مدل‌های ARMA
• 12. تخمین پارامترهای مدل‌های ARMA
• 13. آزمون‌های بررسی برازش مدل‌های ARMA
• 14. پیش‌بینی با استفاده از مدل‌های ARMA
• 15. مدل‌های خودهمبستگی یکپارچه میانگین متحرک (ARIMA)
• 16. انتخاب مرتبه مدل‌های ARIMA
• 17. تخمین پارامترهای مدل‌های ARIMA
• 18. آزمون‌های بررسی برازش مدل‌های ARIMA
• 19. پیش‌بینی با استفاده از مدل‌های ARIMA
• 20. سری‌های زمانی غیرایستا و تبدیل آن‌ها به ایستا
• 21. تکنیک‌های تفاضل‌گیری
• 22. مدل‌های فصلی ARIMA (SARIMA)
• 23. انتخاب مرتبه مدل‌های SARIMA
• 24. تخمین پارامترهای مدل‌های SARIMA
• 25. آزمون‌های بررسی برازش مدل‌های SARIMA
• 26. پیش‌بینی با استفاده از مدل‌های SARIMA
• 27. مدل‌های GARCH و کاربردهای آن‌ها
• 28. تحلیل خوشه‌بندی سری‌های زمانی
• 29. روش‌های مبتنی بر یادگیری ماشین برای پیش‌بینی سری‌های زمانی
• 30. شبکه‌های عصبی مصنوعی برای پیش‌بینی سری‌های زمانی
• 31. شبکه‌های عصبی بازگشتی (RNN) و LSTM
• 32. پیش‌بینی سری‌های زمانی با استفاده از LSTM
• 33. مدل‌های Prophet و کاربردهای آن‌ها
• 34. ارزیابی عملکرد مدل‌های پیش‌بینی سری زمانی
• 35. معیارهای ارزیابی: MSE، RMSE، MAE، MAPE
• 36. تحلیل حساسیت مدل‌های پیش‌بینی سری زمانی
• 37. بهینه‌سازی مدل‌های پیش‌بینی سری زمانی
• 38. کاربرد سری‌های زمانی در اقتصاد و مالی
• 39. کاربرد سری‌های زمانی در پیش‌بینی آب و هوا
• 40. کاربرد سری‌های زمانی در تحلیل بازار سهام
• 41. کاربرد سری‌های زمانی در پیش‌بینی فروش
• 42. کاربرد سری‌های زمانی در کنترل کیفیت
• 43. تحلیل سری‌های زمانی با استفاده از نرم‌افزار R
• 44. تحلیل سری‌های زمانی با استفاده از پایتون
• 45. تحلیل سری‌های زمانی با استفاده از EViews