اکسپرس 24
کتاب تحلیل و پیش‌بینی سری‌های زمانی با استفاده از زبان R

کتاب تحلیل و پیش‌بینی سری‌های زمانی با استفاده از زبان R

تگ‌ها: forecasting R R برای آمار آمار پیش‌بینی آماری پیش‌بینی سری زمانی تحلیل داده تحلیل سری زمانی زبان R علوم داده مدل‌های سری زمانی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل و پیش‌بینی سری‌های زمانی با استفاده از زبان R

موضوع کلی: علوم داده و تحلیل آماری

موضوع میانی: پیش‌بینی سری‌های زمانی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر سری‌های زمانی و اهمیت آن‌ها
  • 2. مفاهیم پایه در تحلیل سری‌های زمانی
  • 3. انواع سری‌های زمانی: ایستا و ناایستا
  • 4. شناسایی مولفه‌های سری زمانی: روند، فصلی، نوسانات
  • 5. تجزیه سری زمانی به مولفه‌های تشکیل‌دهنده
  • 6. نمایش گرافیکی سری‌های زمانی
  • 7. داده‌های سری زمانی در R: ساختارها و ابزارها
  • 8. بارگذاری و پیش‌پردازش داده‌های سری زمانی در R
  • 9. پاکسازی داده‌های سری زمانی: مقادیر پرت و داده‌های گمشده
  • 10. هموارسازی سری‌های زمانی: میانگین متحرک
  • 11. هموارسازی سری‌های زمانی: فیلتر اسپلاین
  • 12. تعیین درجه فصلی بودن سری زمانی
  • 13. آزمون‌های ایستا بودن سری زمانی: آزمون دیکی-فولر تعمیم‌یافته
  • 14. آزمون‌های ایستا بودن سری زمانی: آزمون فیلیپس-پرون
  • 15. تصحیح ناایستایی: تفاضل‌گیری
  • 16. تصحیح ناایستایی: تبدیل لگاریتمی
  • 17. تصحیح ناایستایی: تبدیل باکس-کاکس
  • 18. مدل‌های سری زمانی ساده: مدل میانگین متحرک (MA)
  • 19. مدل سری زمانی ساده: مدل خودرگرسیون (AR)
  • 20. مدل سری زمانی ترکیبی: مدل ARMA
  • 21. نمایش تابع خودهمبستگی (ACF)
  • 22. نمایش تابع خودهمبستگی جزئی (PACF)
  • 23. انتخاب مرتبه مدل ARMA
  • 24. تخمین پارامترهای مدل ARMA
  • 25. ارزیابی مدل ARMA: باقیمانده‌ها
  • 26. پیش‌بینی با مدل ARMA
  • 27. مدل‌های سری زمانی فصلی: مدل SARIMA
  • 28. انتخاب مرتبه مدل SARIMA
  • 29. تخمین پارامترهای مدل SARIMA
  • 30. ارزیابی مدل SARIMA
  • 31. پیش‌بینی با مدل SARIMA
  • 32. مدل‌های سری زمانی با استفاده از توابع همبستگی متقابل (Cross-Correlation Functions)
  • 33. مدل‌های سری زمانی چندمتغیره: VAR
  • 34. انتخاب مرتبه مدل VAR
  • 35. تخمین پارامترهای مدل VAR
  • 36. ارزیابی مدل VAR
  • 37. پیش‌بینی با مدل VAR
  • 38. مدل‌های سری زمانی با استفاده از تجزیه مقادیر منفرد (SVD)
  • 39. مدل‌های سری زمانی با استفاده از تجزیه مولفه‌های اصلی (PCA)
  • 40. مدل‌های سری زمانی با استفاده از شبکه‌های عصبی: مقدمه
  • 41. شبکه‌های عصبی بازگشتی (RNN) برای سری‌های زمانی
  • 42. شبکه‌های حافظه طولانی کوتاه-مدت (LSTM)
  • 43. شبکه‌های حافظه طولانی کوتاه-مدت (GRU)
  • 44. آماده‌سازی داده‌ها برای مدل‌های یادگیری عمیق
  • 45. ساخت و آموزش مدل‌های LSTM و GRU در R
  • 46. تنظیم ابرپارامترها برای مدل‌های یادگیری عمیق
  • 47. ارزیابی مدل‌های یادگیری عمیق
  • 48. پیش‌بینی با مدل‌های یادگیری عمیق
  • 49. مدل‌های سری زمانی مبتنی بر درخت: درخت تصمیم
  • 50. مدل‌های سری زمانی مبتنی بر درخت: جنگل تصادفی
  • 51. مدل‌های سری زمانی مبتنی بر درخت: گرادیان بوستینگ
  • 52. کاربرد مدل‌های مبتنی بر درخت در پیش‌بینی سری‌های زمانی
  • 53. مدل‌های سری زمانی مبتنی بر ماشین بردار پشتیبان (SVM)
  • 54. مدل‌های سری زمانی مبتنی بر ماشین بردار پشتیبان (SVR)
  • 55. مدل‌های سری زمانی مبتنی بر ماشین بردار پشتیبان (SVR) برای سری‌های زمانی
  • 56. روش‌های مقایسه مدل‌های سری زمانی
  • 57. معیارهای ارزیابی دقت پیش‌بینی: RMSE
  • 58. معیارهای ارزیابی دقت پیش‌بینی: MAE
  • 59. معیارهای ارزیابی دقت پیش‌بینی: MAPE
  • 60. معیارهای ارزیابی دقت پیش‌بینی: APE
  • 61. انتخاب بهترین مدل سری زمانی
  • 62. اعتبارسنجی متقابل برای سری‌های زمانی
  • 63. اعتبارسنجی با استفاده از پنجره‌های متحرک
  • 64. پیش‌بینی با در نظر گرفتن عدم قطعیت
  • 65. نمایش بازه‌های اطمینان برای پیش‌بینی‌ها
  • 66. تجسم پیش‌بینی‌ها و مقایسه با داده‌های واقعی
  • 67. روش‌های پیشرفته هموارسازی: فیلتر کالمن
  • 68. کاربرد فیلتر کالمن در تخمین حالت سری زمانی
  • 69. مدل‌های اقتصادسنجی برای سری‌های زمانی
  • 70. مدل‌های رگرسیون پویا
  • 71. مدل‌های سری زمانی با متغیرهای خارجی (ARIMAX)
  • 72. مدل‌های سری زمانی با متغیرهای خارجی (SARIMAX)
  • 73. مدل‌های سری زمانی با در نظر گرفتن تغییرات ساختاری
  • 74. شناسایی نقاط تغییر ساختاری
  • 75. مدل‌سازی تغییرات فصلی غیرخطی
  • 76. مدل‌سازی رفتار نوسانی در سری‌های زمانی
  • 77. تحلیل سری‌های زمانی مالی
  • 78. پیش‌بینی قیمت سهام با استفاده از سری‌های زمانی
  • 79. مدل‌سازی نوسانات در بازارهای مالی (ARCH/GARCH)
  • 80. مقدمه‌ای بر اقتصادسنجی مالی
  • 81. کاربرد سری‌های زمانی در پیش‌بینی شاخص‌های کلان اقتصادی
  • 82. تحلیل سری‌های زمانی در علوم محیطی
  • 83. پیش‌بینی تغییرات آب و هوایی با سری‌های زمانی
  • 84. تحلیل سری‌های زمانی در حوزه بهداشت و درمان
  • 85. پیش‌بینی شیوع بیماری‌ها با استفاده از سری‌های زمانی
  • 86. مدل‌سازی روند بیماری‌ها
  • 87. کاربرد سری‌های زمانی در تحلیل داده‌های شبکه‌های اجتماعی
  • 88. پیش‌بینی روندها در شبکه‌های اجتماعی
  • 89. تحلیل سری‌های زمانی در حوزه بازاریابی و فروش
  • 90. پیش‌بینی تقاضا و فروش
  • 91. تحلیل سری‌های زمانی در حوزه تولید و صنعت
  • 92. مدیریت موجودی با استفاده از پیش‌بینی سری‌های زمانی
  • 93. کاربرد عملی سری‌های زمانی در پروژه‌های واقعی
  • 94. مطالعه موردی: پیش‌بینی فروش خرده‌فروشی
  • 95. مطالعه موردی: پیش‌بینی مصرف انرژی
  • 96. مطالعه موردی: پیش‌بینی ترافیک شهری
  • 97. نکات پایانی و بهترین شیوه‌ها در تحلیل سری‌های زمانی
  • 98. آینده تحلیل و پیش‌بینی سری‌های زمانی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.