کتاب صوتی پیش‌بینی با داده: مدل‌سازی و تحلیل سری‌های زمانی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پیش‌بینی با داده: مدل‌سازی و تحلیل سری‌های زمانی

موضوع کلی: علم و اکتشافات

موضوع میانی: داده‌کاوی

📋 سرفصل‌های دوره

• 1. بررسی اجمالی سری‌های زمانی
• 2. مفاهیم پایه آماری در سری‌های زمانی
• 3. انواع داده‌های سری زمانی
• 4. جمع‌آوری و آماده‌سازی داده‌های سری زمانی
• 5. نمودارهای سری زمانی و تفسیر آنها
• 6. میانگین متحرک و کاربردها
• 7. نمایان‌سازی روند و فصلی
• 8. تجزیه سری زمانی به اجزای مختلف
• 9. مدل‌های خودهمبستگی (AR)
• 10. مدل‌های میانگین متحرک (MA)
• 11. مدل‌های خودهمبستگی و میانگین متحرک (ARMA)
• 12. مدل‌های خودهمبستگی انتگراسیون و میانگین متحرک (ARIMA)
• 13. شناسایی مرتبه مدل ARIMA
• 14. برآورد پارامترهای مدل ARIMA
• 15. آزمون‌های معناداری و ارزیابی مدل ARIMA
• 16. پیش‌بینی با مدل ARIMA
• 17. مدل‌سازی فصلی ARIMA (SARIMA)
• 18. مدل‌سازی با استفاده از نرم‌افزارهای آماری
• 19. تحلیل باقی‌مانده‌ها و تشخیص الگوها
• 20. آزمون ایستایی و تبدیل داده‌ها
• 21. روش‌های هموارسازی نمایی
• 22. هموارسازی نمایی ساده
• 23. هموارسازی نمایی مضاعف
• 24. هموارسازی نمایی سه‌گانه (Holt-Winters)
• 25. مدل‌سازی با استفاده از رگرسیون
• 26. رگرسیون خطی در سری‌های زمانی
• 27. رگرسیون چندگانه در سری‌های زمانی
• 28. متغیرهای مجازی در مدل‌سازی سری زمانی
• 29. تحلیل هم‌انباشتگی
• 30. بررسی روابط علی و معلولی در سری‌های زمانی
• 31. تکنیک‌های بوت‌استرپ در سری‌های زمانی
• 32. پیش‌بینی بازه و ارزیابی دقت پیش‌بینی
• 33. مدل‌سازی داده‌های پنلی زمانی
• 34. مدل‌سازی سری‌های زمانی غیرخطی
• 35. شبکه‌های عصبی مصنوعی در پیش‌بینی سری زمانی
• 36. مدل‌سازی با استفاده از الگوریتم‌های یادگیری ماشین
• 37. تحلیل سری‌های زمانی با تغییرات ناگهانی
• 38. مدل‌سازی وقایع نادر در سری‌های زمانی
• 39. مدل‌سازی داده‌های با ارزش از دست‌رفته
• 40. تحلیل سری‌های زمانی چندمتغیره
• 41. تحلیل واریانس مشترک
• 42. مدل‌سازی با استفاده از مدل‌های برداری خودرگرسیون (VAR)
• 43. پیش‌بینی در محیط‌های پویا
• 44. کاربردهای سری‌های زمانی در اقتصاد
• 45. کاربردهای سری‌های زمانی در مهندسی