کتاب صوتی تحلیل سری‌های زمانی نامنظم: رویکردی داده‌محور

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل سری‌های زمانی نامنظم: رویکردی داده‌محور

موضوع کلی: آمار و مدل‌سازی داده‌های طولی

موضوع میانی: متغیرهای زمانی-متغیر

📋 سرفصل‌های دوره

• 1. بررسی داده‌های سری زمانی نامنظم
• 2. مقدمه‌ای بر سری‌های زمانی و کاربردهای آن‌ها
• 3. انواع داده‌های سری زمانی و ویژگی‌های آن‌ها
• 4. چالش‌های تحلیل سری‌های زمانی نامنظم
• 5. روش‌های جمع‌آوری داده‌های سری زمانی
• 6. پاکسازی و پیش‌پردازش داده‌های سری زمانی نامنظم
• 7. بررسی و شناسایی مقادیر گمشده در داده‌ها
• 8. تکنیک‌های جایگزینی مقادیر گمشده (Imputation)
• 9. تخمین مقادیر گمشده با استفاده از میانگین و میانه
• 10. تخمین مقادیر گمشده با استفاده از رگرسیون
• 11. تخمین مقادیر گمشده با استفاده از مدل‌های سری زمانی
• 12. بررسی ناهمگونی واریانس در سری‌های زمانی
• 13. تکنیک‌های پایدارسازی واریانس (Variance Stabilization)
• 14. تبدیلات داده‌ای برای کاهش ناهمگونی
• 15. بررسی و حذف نقاط پرت (Outliers) در داده‌ها
• 16. تکنیک‌های شناسایی نقاط پرت
• 17. تأثیر نقاط پرت بر تحلیل سری زمانی
• 18. مدل‌سازی سری‌های زمانی با استفاده از میانگین متحرک
• 19. مدل‌سازی سری‌های زمانی با استفاده از هموارسازی نمایی
• 20. روش‌های هموارسازی نمایی ساده
• 21. روش‌های هموارسازی نمایی دوبل
• 22. روش‌های هموارسازی نمایی تریپل
• 23. مدل‌های ARIMA و کاربرد آن‌ها در سری‌های زمانی
• 24. شناسایی پارامترهای ARIMA
• 25. بررسی توزیع داده‌ها و آزمون‌های نرمال بودن
• 26. آزمون‌های بررسی ایستایی سری‌های زمانی
• 27. تبدیل سری‌های زمانی غیرایستا به ایستا
• 28. پیش‌بینی سری‌های زمانی با استفاده از مدل‌های ARIMA
• 29. ارزیابی دقت پیش‌بینی مدل‌های ARIMA
• 30. مدل‌سازی سری‌های زمانی با استفاده از شبکه‌های عصبی
• 31. شبکه‌های عصبی بازگشتی (RNN) برای سری‌های زمانی
• 32. شبکه‌های LSTM و کاربرد آن‌ها در سری‌های زمانی
• 33. شبکه‌های عصبی کانولوشنال (CNN) برای سری‌های زمانی
• 34. پیش‌بینی سری‌های زمانی با استفاده از شبکه‌های عصبی
• 35. ارزیابی عملکرد شبکه‌های عصبی در پیش‌بینی
• 36. بررسی و مقایسه روش‌های مختلف پیش‌بینی
• 37. معیارهای ارزیابی پیش‌بینی (RMSE, MAE, MAPE)
• 38. تحلیل سری‌های زمانی چندمتغیره
• 39. مدل‌سازی روابط بین سری‌های زمانی مختلف
• 40. تحلیل هم‌جمعی (Cointegration)
• 41. پیش‌بینی سری‌های زمانی چندمتغیره با استفاده از VAR
• 42. تحلیل واریانس و پیش‌بینی با استفاده از مدل‌های وکتور خودرگرسیو (VAR)
• 43. کاربرد تحلیل سری‌های زمانی در حوزه‌های مختلف (اقتصاد، مالی، مهندسی)
• 44. تحلیل سری‌های زمانی در پیش‌بینی تقاضا
• 45. تحلیل سری‌های زمانی در کنترل کیفیت