کتاب صوتی ذخیره‌سازی داده‌های سری زمانی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ذخیره‌سازی داده‌های سری زمانی

موضوع کلی: برنامه نویسی C++ پیشرفته

موضوع میانی: مدیریت ذخیره‌سازی سیستمی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر سری‌های زمانی
• 2. مفاهیم اساسی سری‌های زمانی
• 3. انواع داده‌های سری زمانی
• 4. جمع‌آوری و پیش‌پردازش داده‌های سری زمانی
• 5. پاکسازی داده‌ها و مدیریت مقادیر گمشده
• 6. نرمال‌سازی و مقیاس‌بندی داده‌های سری زمانی
• 7. نمایش گرافیکی سری‌های زمانی
• 8. تجزیه و تحلیل بصری الگوها و روندها
• 9. مؤلفه‌های سری‌های زمانی: روند، فصلی، چرخه‌ای، تصادفی
• 10. تخمین روند در سری‌های زمانی
• 11. تخمین فصلی در سری‌های زمانی
• 12. تجزیه سری‌های زمانی به مؤلفه‌ها
• 13. مدل‌های خودهمبسته (AR)
• 14. مدل‌های میانگین متحرک (MA)
• 15. مدل‌های خودهمبسته میانگین متحرک (ARMA)
• 16. مدل‌های خودهمبسته یکپارچه میانگین متحرک (ARIMA)
• 17. انتخاب مرتبه مدل ARIMA
• 18. برآورد پارامترهای مدل ARIMA
• 19. آزمون معناداری ضرایب مدل ARIMA
• 20. پیش‌بینی با استفاده از مدل ARIMA
• 21. مدل‌سازی فصلی ARIMA (SARIMA)
• 22. تخمین پارامترهای مدل SARIMA
• 23. آزمون معناداری ضرایب مدل SARIMA
• 24. پیش‌بینی با استفاده از مدل SARIMA
• 25. مدل‌های نمایی هموارسازی
• 26. روش هولت-وینترز برای پیش‌بینی
• 27. مدل‌های حالت فضا
• 28. فیلتر کالمن
• 29. برآورد پارامترها در مدل‌های حالت فضا
• 30. پیش‌بینی با استفاده از مدل‌های حالت فضا
• 31. شبکه‌های عصبی برای سری‌های زمانی
• 32. شبکه‌های عصبی بازگشتی (RNN)
• 33. شبکه‌های حافظه بلندمدت (LSTM)
• 34. شبکه‌های دروازه تکرارشونده (GRU)
• 35. پیش‌بینی با استفاده از LSTM و GRU
• 36. ارزیابی مدل‌های پیش‌بینی سری زمانی
• 37. معیارهای ارزیابی: MSE، RMSE، MAE
• 38. اعتبارسنجی متقابل مدل‌های پیش‌بینی
• 39. انتخاب بهترین مدل پیش‌بینی
• 40. تحلیل باقی‌مانده‌ها
• 41. تکنیک‌های بووت‌استرپ برای سری‌های زمانی
• 42. تحلیل حساسیت در سری‌های زمانی
• 43. کاربرد سری‌های زمانی در پیش‌بینی آب و هوا
• 44. کاربرد سری‌های زمانی در پیش‌بینی بازار سهام
• 45. کاربرد سری‌های زمانی در پیش‌بینی تقاضا