کتاب صوتی تحلیل سری‌های زمانی در R

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل سری‌های زمانی در R

موضوع کلی: مهندسی داده و زیرساخت‌های محاسباتی

موضوع میانی: R برای علم داده

📋 سرفصل‌های دوره

• 1. آشنایی با سری‌های زمانی
• 2. مفاهیم پایه سری‌های زمانی
• 3. انواع سری‌های زمانی
• 4. روش‌های جمع‌آوری داده‌های سری زمانی
• 5. نمایش سری‌های زمانی با استفاده از R
• 6. حذف داده‌های پرت در سری‌های زمانی
• 7. بررسی ایستایی سری‌های زمانی
• 8. آزمایش‌های ایستایی: ADF و KPSS
• 9. تبدیل سری‌های زمانی ناایستا
• 10. تحلیل فصلی سری‌های زمانی
• 11. تخمین فصلی سری‌های زمانی
• 12. مدل‌های فصلی ARIMA
• 13. پیش‌بینی با استفاده از مدل‌های فصلی ARIMA
• 14. تحلیل همبستگی در سری‌های زمانی
• 15. تابع خودهمبستگی (ACF)
• 16. تابع همبستگی متقاطع (CCF)
• 17. مدل‌های AR
• 18. مدل‌های MA
• 19. مدل‌های ARMA
• 20. مدل‌های ARIMA
• 21. انتخاب مرتبه مدل ARIMA
• 22. بررسی بقایا در مدل‌های ARIMA
• 23. روش‌های ارزیابی مدل ARIMA
• 24. مدل‌های SARIMA
• 25. مدل‌های انتقال حالت فضایی
• 26. فیلتر کالمن
• 27. مدل‌های GARCH
• 28. تحلیل تقارن در سری‌های زمانی
• 29. مدل‌های EGARCH
• 30. نرم‌افزارهای پیشرفته برای تحلیل سری‌های زمانی
• 31. کاربرد سری‌های زمانی در اقتصادسنجی
• 32. کاربرد سری‌های زمانی در پیش‌بینی هواشناسی
• 33. کاربرد سری‌های زمانی در تحلیل بازار سهام
• 34. کاربرد سری‌های زمانی در کنترل کیفیت
• 35. تحلیل سری‌های زمانی چندمتغیره
• 36. تحلیل علّی بین سری‌های زمانی
• 37. شبکه‌های عصبی برای تحلیل سری‌های زمانی
• 38. روش‌های یادگیری ماشین برای تحلیل سری‌های زمانی
• 39. استفاده از R برای تحلیل سری‌های زمانی با داده‌های بزرگ
• 40. تحلیل سری‌های زمانی با استفاده از کتابخانه‌های R
• 41. نوشتن توابع سفارشی برای تحلیل سری‌های زمانی
• 42. بهینه‌سازی مدل‌های سری زمانی در R
• 43. نکات مهم در تحلیل سری‌های زمانی