کتاب صوتی مدل‌سازی سری زمانی غیرخطی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدل‌سازی سری زمانی غیرخطی

موضوع کلی: اقتصادسنجی

موضوع میانی: مدل‌های غیرخطی

📋 سرفصل‌های دوره

• 1. پیش‌بینی سری‌های زمانی غیرخطی
• 2. مفاهیم پایه سری‌های زمانی
• 3. آشنایی با داده‌های سری زمانی
• 4. روش‌های جمع‌آوری داده‌های سری زمانی
• 5. بررسی ویژگی‌های داده‌های سری زمانی
• 6. تحلیل ایستایی در سری‌های زمانی
• 7. آزمون‌های ایستایی برای سری‌های زمانی
• 8. تبدیل سری‌های غیرایستا به ایستا
• 9. مدل‌های خودرگرسیون خطی (AR)
• 10. مدل‌های میانگین متحرک (MA)
• 11. مدل‌های خودرگرسیون و میانگین متحرک (ARMA)
• 12. مدل‌های خودرگرسیون انتگرالی و میانگین متحرک (ARIMA)
• 13. انتخاب مرتبه مدل ARIMA
• 14. برآورد پارامترهای مدل ARIMA
• 15. ارزیابی عملکرد مدل ARIMA
• 16. پیش‌بینی با استفاده از مدل ARIMA
• 17. مدل‌سازی با استفاده از شبکه عصبی
• 18. شبکه‌های عصبی پیش‌خور برای سری‌های زمانی
• 19. شبکه‌های عصبی بازگشتی (RNN)
• 20. شبکه‌های حافظه بلندمدت (LSTM)
• 21. شبکه‌های دروازه تکرارشونده (GRU)
• 22. مدل‌سازی با استفاده از ماشین‌های بردار پشتیبان
• 23. ماشین‌های بردار پشتیبان برای رگرسیون
• 24. بهینه‌سازی پارامترهای ماشین بردار پشتیبان
• 25. مدل‌سازی با استفاده از جنگل تصادفی
• 26. جنگل تصادفی برای پیش‌بینی سری‌های زمانی
• 27. ارزیابی اهمیت ویژگی‌ها در جنگل تصادفی
• 28. مدل‌سازی با استفاده از گرادیان بوستینگ
• 29. الگوریتم گرادیان بوستینگ برای سری‌های زمانی
• 30. تنظیم هایپرمترهای گرادیان بوستینگ
• 31. مدل‌سازی با استفاده از روش‌های ترکیبی
• 32. ترکیب مدل‌های مختلف برای بهبود دقت
• 33. مدل‌سازی سری‌های زمانی با تغییرات ساختاری
• 34. شناسایی تغییرات ساختاری در سری‌های زمانی
• 35. مدل‌سازی سری‌های زمانی با داده‌های از دست رفته
• 36. روش‌های جایگزینی داده‌های از دست رفته
• 37. مدل‌سازی سری‌های زمانی چندمتغیره
• 38. تحلیل هم‌انباشتگی در سری‌های زمانی چندمتغیره
• 39. پیش‌بینی سری‌های زمانی چندمتغیره
• 40. مدل‌سازی سری‌های زمانی با متغیرهای بیرونی
• 41. انتخاب متغیرهای بیرونی مؤثر
• 42. مدل‌سازی سری‌های زمانی با داده‌های فصلی
• 43. تجزیه سری‌های زمانی فصلی
• 44. مدل‌سازی سری‌های زمانی با روند
• 45. حذف روند از سری‌های زمانی