کتاب مبانی پیش‌بینی رویدادهای حدی در داده‌های 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 مبانی پیش‌بینی رویدادهای حدی در داده‌های سری زمانی

موضوع کلی: تحلیل داده و پیش‌بینی

موضوع میانی: پیش‌بینی سری‌های زمانی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر تحلیل داده‌های سری زمانی
  • 2. مبانی آمار و احتمالات در تحلیل داده
  • 3. مفاهیم پایه سری‌های زمانی
  • 4. انواع داده‌های سری زمانی
  • 5. نمایش گرافیکی سری‌های زمانی
  • 6. تحلیل روند در سری‌های زمانی
  • 7. تحلیل فصلی در سری‌های زمانی
  • 8. تحلیل ادواری در سری‌های زمانی
  • 9. تحلیل تصادفی در سری‌های زمانی
  • 10. بررسی ایستایی سری‌های زمانی
  • 11. آزمون‌های تشخیص ایستایی
  • 12. روش‌های تبدیل به سری‌های ایستا
  • 13. مدل‌های میانگین متحرک (MA)
  • 14. مدل‌های خودرگرسیون (AR)
  • 15. مدل‌های ARMA
  • 16. مدل‌های ARIMA
  • 17. شناسایی مدل‌های ARIMA
  • 18. برآورد پارامترهای مدل‌های ARIMA
  • 19. تشخیص برازش مدل‌های ARIMA
  • 20. پیش‌بینی با مدل‌های ARIMA
  • 21. مقدمه‌ای بر رویدادهای حدی
  • 22. تعریف رویداد حدی
  • 23. اندازه‌گیری شدت رویدادهای حدی
  • 24. احتمال وقوع رویدادهای حدی
  • 25. توزیع‌های آماری رویدادهای حدی
  • 26. توزیع گاما
  • 27. توزیع وایبول
  • 28. توزیع لجستیک
  • 29. توزیع نرمال معکوس گوسی
  • 30. توزیع مقادیر حدی (GEV)
  • 31. توزیع آستانه (POT)
  • 32. روش‌های برآورد پارامترهای GEV
  • 33. روش‌های برآورد پارامترهای POT
  • 34. آستانه‌گذاری در روش POT
  • 35. انتخاب آستانه مناسب
  • 36. مدل‌سازی توزیع مازاد بر آستانه (GPD)
  • 37. برآورد پارامترهای GPD
  • 38. پیش‌بینی رویدادهای حدی
  • 39. تکنیک‌های پیش‌بینی رویدادهای حدی
  • 40. شبکه‌های عصبی مصنوعی
  • 41. شبکه‌های عصبی کانولوشنی (CNN)
  • 42. شبکه‌های عصبی بازگشتی (RNN)
  • 43. حافظه طولانی کوتاه‌مدت (LSTM)
  • 44. شبکه‌های حافظه طولانی کوتاه‌مدت (LSTM)
  • 45. شبکه‌های واحد بازگشتی (GRU)
  • 46. مدل‌های یادگیری عمیق برای پیش‌بینی
  • 47. آموزش و اعتبارسنجی مدل‌های یادگیری عمیق
  • 48. ارزیابی عملکرد مدل‌های پیش‌بینی
  • 49. معیارهای ارزیابی پیش‌بینی رویدادهای حدی
  • 50. شاخص‌های دقت پیش‌بینی
  • 51. شاخص‌های خطای پیش‌بینی
  • 52. تحلیل حساسیت مدل‌ها
  • 53. کاربرد تحلیل داده‌های سری زمانی در علوم زیستی
  • 54. کاربرد تحلیل داده‌های سری زمانی در علوم اقتصادی
  • 55. کاربرد تحلیل داده‌های سری زمانی در علوم محیط زیست
  • 56. کاربرد تحلیل داده‌های سری زمانی در علوم مهندسی
  • 57. کاربرد تحلیل داده‌های سری زمانی در علوم اجتماعی
  • 58. کاربرد تحلیل داده‌های سری زمانی در حوزه بهداشت و درمان
  • 59. مقدمه‌ای بر داده‌کاوی
  • 60. الگوریتم‌های خوشه‌بندی
  • 61. الگوریتم‌های طبقه‌بندی
  • 62. قوانین وابستگی
  • 63. پایگاه‌های داده‌ای بزرگ (Big Data)
  • 64. مقدمه‌ای بر پردازش داده‌های بزرگ
  • 65. ابزارهای پردازش داده‌های بزرگ
  • 66. مفاهیم یادگیری ماشین
  • 67. یادگیری نظارت شده
  • 68. یادگیری نظارت نشده
  • 69. یادگیری تقویتی
  • 70. مقدمه‌ای بر هوش مصنوعی
  • 71. کاربردهای هوش مصنوعی
  • 72. اخلاق در تحلیل داده
  • 73. امنیت داده‌ها
  • 74. حریم خصوصی داده‌ها
  • 75. مقدمه‌ای بر تحلیل داده‌های مکانی-زمانی
  • 76. مدل‌سازی داده‌های مکانی-زمانی
  • 77. پیش‌بینی رویدادهای حدی در داده‌های مکانی-زمانی
  • 78. کاربرد در مدیریت بحران
  • 79. کاربرد در پیش‌بینی بلایای طبیعی
  • 80. کاربرد در پیش‌بینی حوادث غیرمترقبه
  • 81. کاربرد در مدیریت منابع آب
  • 82. کاربرد در تحلیل ریسک مالی
  • 83. کاربرد در پیش‌بینی بیماری‌های همه‌گیر
  • 84. بررسی موردی: پیش‌بینی سیل
  • 85. بررسی موردی: پیش‌بینی خشکسالی
  • 86. بررسی موردی: پیش‌بینی طوفان
  • 87. بررسی موردی: پیش‌بینی زلزله (با احتیاط و چارچوب علمی)
  • 88. بررسی موردی: پیش‌بینی نوسانات بازار سهام
  • 89. بررسی موردی: پیش‌بینی مصرف انرژی
  • 90. مباحث پیشرفته در مدل‌سازی رویدادهای حدی
  • 91. مدل‌های رگرسیون برای رویدادهای حدی
  • 92. مدل‌های پویا برای رویدادهای حدی
  • 93. کاربرد نرم‌افزارهای آماری در پیش‌بینی
  • 94. مقدمه‌ای بر تحلیل داده‌های توالی
  • 95. مدل‌های مارکوف پنهان
  • 96. مدل‌های ناظر پنهان
  • 97. روش‌های بیزی در پیش‌بینی
  • 98. مقدمه‌ای بر تفسیر نتایج پیش‌بینی
  • 99. محدودیت‌های مدل‌های پیش‌بینی
  • 100. آینده پژوهی در تحلیل داده‌های سری 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.