اکسپرس 24
کتاب جامع یادگیری عمیق برای تحلیل سری‌های زمانی؛ از پیش‌پردازش و مدل‌سازی تا پیش‌بینی، تشخیص ناهنجاری و تحلیل الگوهای زمانی

کتاب جامع یادگیری عمیق برای تحلیل سری‌های زمانی؛ از پیش‌پردازش و مدل‌سازی تا پیش‌بینی، تشخیص ناهنجاری و تحلیل الگوهای زمانی

تگ‌ها: CNN-LSTM Deep Learning Deep Time Series Forecasting GRU LSTM Temporal Convolutional Networks Time Series Analysis Time Series Forecasting Transformer پیش‌بینی سری زمانی تحلیل سری زمانی تشخیص ناهنجاری هوش مصنوعی یادگیری عمیق یادگیری ماشین

انتخاب پلن

افزودنی‌های اختیاری

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 جامع یادگیری عمیق برای تحلیل سری‌های زمانی؛ از پیش‌پردازش و مدل‌سازی تا پیش‌بینی، تشخیص ناهنجاری و تحلیل الگوهای زمانی

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری عمیق و تحلیل داده‌های سری زمانی

📋 سرفصل‌های دوره

  • 1. مبانی سری‌های زمانی و ساختار داده‌های زمانی
  • 2. تفاوت داده‌های سری زمانی با داده‌های مستقل
  • 3. اجزای سری زمانی؛ روند، فصل‌مندی و نویز
  • 4. خودهمبستگی و وابستگی زمانی
  • 5. ایستایی و اهمیت آن در مدل‌سازی
  • 6. انواع مسئله در تحلیل سری‌های زمانی
  • 7. پیش‌بینی تک‌متغیره و چندمتغیره
  • 8. پیش‌بینی یک‌گام و چندگام
  • 9. تعریف پنجره زمانی برای یادگیری عمیق
  • 10. ساخت مجموعه داده آموزشی از سری‌های زمانی
  • 11. تقسیم زمانی داده‌ها به آموزش، اعتبارسنجی و آزمون
  • 12. جلوگیری از نشت اطلاعات زمانی
  • 13. نرمال‌سازی و استانداردسازی داده‌های زمانی
  • 14. مدیریت مقادیر گمشده در سری‌های زمانی
  • 15. تشخیص و مدیریت داده‌های پرت
  • 16. نمونه‌برداری و هم‌ترازسازی داده‌های زمانی
  • 17. مهندسی ویژگی برای سری‌های زمانی
  • 18. ویژگی‌های تقویمی و زمانی
  • 19. ویژگی‌های تأخیری و Lag Features
  • 20. پنجره‌های غلتان و ویژگی‌های Rolling
  • 21. مبانی شبکه‌های عصبی برای داده‌های زمانی
  • 22. ساختار شبکه‌های عصبی پیش‌خور برای سری‌های زمانی
  • 23. مدل‌سازی وابستگی‌های کوتاه‌مدت
  • 24. شبکه‌های عصبی بازگشتی RNN
  • 25. نحوه پردازش توالی در RNN
  • 26. مشکل محوشدن گرادیان در شبکه‌های بازگشتی
  • 27. شبکه‌های LSTM برای سری‌های زمانی
  • 28. ساختار دروازه‌های LSTM
  • 29. تنظیم LSTM برای پیش‌بینی سری‌های زمانی
  • 30. شبکه‌های GRU و کاربرد آن‌ها
  • 31. مقایسه LSTM و GRU
  • 32. شبکه‌های چندلایه برای مدل‌سازی توالی
  • 33. Bidirectional RNN و محدودیت‌های آن در پیش‌بینی
  • 34. Deep RNN برای توالی‌های پیچیده
  • 35. کانولوشن یک‌بعدی برای سری‌های زمانی
  • 36. استخراج الگوهای محلی با CNN
  • 37. ترکیب CNN و LSTM
  • 38. مدل‌های CNN-LSTM برای پیش‌بینی
  • 39. Temporal Convolutional Networks
  • 40. مقایسه TCN با شبکه‌های بازگشتی
  • 41. Attention در تحلیل سری‌های زمانی
  • 42. مکانیزم Self-Attention برای داده‌های زمانی
  • 43. مدل‌های Transformer برای سری‌های زمانی
  • 44. Embedding داده‌های زمانی در Transformer
  • 45. Positional Encoding و ترتیب زمانی
  • 46. مدل‌سازی وابستگی‌های بلندمدت با Transformer
  • 47. معماری‌های Hybrid برای تحلیل سری‌های زمانی
  • 48. ترکیب مدل‌های آماری و یادگیری عمیق
  • 49. مدل‌سازی چندمتغیره با شبکه‌های عمیق
  • 50. یادگیری روابط بین چند سری زمانی
  • 51. پیش‌بینی چندافقی با یادگیری عمیق
  • 52. مدل‌های Direct و Recursive برای پیش‌بینی چندگام
  • 53. Sequence-to-Sequence برای پیش‌بینی سری‌های زمانی
  • 54. Encoder-Decoder برای توالی‌های زمانی
  • 55. Teacher Forcing در مدل‌های توالی
  • 56. پیش‌بینی احتمالاتی و عدم‌قطعیت
  • 57. مدل‌سازی توزیع خروجی در پیش‌بینی زمانی
  • 58. Quantile Forecasting با شبکه‌های عمیق
  • 59. پیش‌بینی سری‌های زمانی با Autoencoder
  • 60. تشخیص ناهنجاری با Autoencoder
  • 61. Variational Autoencoder برای داده‌های زمانی
  • 62. یادگیری عمیق برای تشخیص ناهنجاری زمانی
  • 63. پیش‌بینی همراه با تشخیص تغییرات ساختاری
  • 64. Concept Drift در داده‌های زمانی
  • 65. مدیریت تغییر توزیع داده‌ها در طول زمان
  • 66. یادگیری انتقالی برای سری‌های زمانی
  • 67. Fine-Tuning مدل‌های عمیق روی داده‌های زمانی جدید
  • 68. Regularization در مدل‌های سری زمانی
  • 69. Dropout و جلوگیری از بیش‌برازش
  • 70. Early Stopping و انتخاب بهترین مدل
  • 71. تنظیم Hyperparameterهای مدل‌های زمانی
  • 72. انتخاب طول پنجره و افق پیش‌بینی
  • 73. بهینه‌سازی نرخ یادگیری و اندازه Batch
  • 74. معیارهای ارزیابی مدل‌های پیش‌بینی زمانی
  • 75. MAE، MSE و RMSE در پیش‌بینی
  • 76. MAPE و محدودیت‌های آن
  • 77. ارزیابی مدل‌های چندگامی
  • 78. Backtesting و ارزیابی بر مبنای زمان
  • 79. مقایسه مدل‌های یادگیری عمیق با روش‌های کلاسیک
  • 80. تفسیرپذیری مدل‌های عمیق برای سری‌های زمانی
  • 81. تحلیل اهمیت ویژگی‌ها و بازه‌های زمانی
  • 82. تفسیر Attention در مدل‌های زمانی
  • 83. پیاده‌سازی Pipeline کامل تحلیل سری زمانی
  • 84. بهینه‌سازی عملکرد مدل‌های عمیق زمانی
  • 85. مدیریت داده‌های حجیم و توالی‌های طولانی
  • 86. استفاده از GPU برای آموزش مدل‌های زمانی
  • 87. استقرار مدل پیش‌بینی سری زمانی
  • 88. پایش عملکرد مدل پس از استقرار
  • 89. ساخت پروژه عملی پیش‌بینی سری زمانی چندمتغیره
  • 90. طراحی پروژه نهایی تحلیل و پیش‌بینی سری‌های زمانی با یادگیری عمیق

📚 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.