کتاب تحلیل سری‌های زمانی با زبان Julia: از مبانی تا کاربردها

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 تحلیل سری‌های زمانی با زبان Julia: از مبانی تا کاربردها

موضوع کلی: تحلیل داده و آمار

موضوع میانی: مدل‌سازی سری‌های زمانی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر سری‌های زمانی و کاربردهای آن
  • 2. مفاهیم پایه آمار و احتمال برای تحلیل سری‌های زمانی
  • 3. آشنایی با زبان برنامه‌نویسی Julia و محیط توسعه آن
  • 4. نصب و پیکربندی Julia و بسته‌های مورد نیاز
  • 5. وارد کردن و پاکسازی داده‌های سری زمانی
  • 6. مصورسازی سری‌های زمانی: نمودارهای خطی، هیستوگرام و نمودارهای پراکندگی
  • 7. تجزیه سری‌های زمانی به اجزای روند، فصلی و تصادفی
  • 8. روش‌های کلاسیک تجزیه سری‌های زمانی
  • 9. مدل‌های میانگین متحرک (Moving Average)
  • 10. مدل‌های نمایی هموار (Exponential Smoothing)
  • 11. انتخاب پارامترهای بهینه برای مدل‌های میانگین متحرک و نمایی هموار
  • 12. پیش‌بینی با استفاده از مدل‌های میانگین متحرک و نمایی هموار
  • 13. ارزیابی دقت پیش‌بینی‌ها: معیارهای خطا (MSE، RMSE، MAE)
  • 14. مفهوم خودهمبستگی و خودهمبستگی جزئی
  • 15. توابع خودهمبستگی (ACF) و خودهمبستگی جزئی (PACF)
  • 16. مدل‌های خودرگرسیونی (AR)
  • 17. مدل‌های میانگین متحرک (MA)
  • 18. مدل‌های خودرگرسیونی میانگین متحرک (ARMA)
  • 19. شناسایی مرتبه مدل‌های ARMA با استفاده از ACF و PACF
  • 20. تخمین پارامترهای مدل‌های ARMA
  • 21. آزمون برازش مدل ARMA
  • 22. پیش‌بینی با استفاده از مدل‌های ARMA
  • 23. مدل‌های خودرگرسیونی یکپارچه میانگین متحرک (ARIMA)
  • 24. تبدیل سری‌های زمانی غیرایستا به ایستا
  • 25. تخمین پارامترهای مدل‌های ARIMA
  • 26. آزمون برازش مدل ARIMA
  • 27. پیش‌بینی با استفاده از مدل‌های ARIMA
  • 28. مدل‌های فصلی ARIMA (SARIMA)
  • 29. شناسایی مرتبه مدل‌های SARIMA
  • 30. تخمین پارامترهای مدل‌های SARIMA
  • 31. پیش‌بینی با استفاده از مدل‌های SARIMA
  • 32. مدل‌های GARCH برای مدل‌سازی ناهمسانی واریانس
  • 33. آزمون‌های ایستایی برای سری‌های زمانی
  • 34. آزمون دیکی-فولر تعمیم‌یافته (ADF)
  • 35. آزمون فیلیپس-پرون (PP)
  • 36. آزمون KPSS
  • 37. مدل‌سازی سری‌های زمانی با داده‌های از دست رفته
  • 38. روش‌های جایگزینی داده‌های از دست رفته
  • 39. مدل‌سازی سری‌های زمانی چندمتغیره
  • 40. مدل‌سازی وکتور خودرگرسیونی (VAR)
  • 41. پیش‌بینی با استفاده از مدل‌های VAR
  • 42. تحلیل هم‌جمعی (Cointegration)
  • 43. مدل تصحیح خطا (ECM)
  • 44. بررسی بقایای مدل (Residual Analysis)
  • 45. کاربرد سری‌های زمانی در پیش‌بینی اقتصادی
  • 46. کاربرد سری‌های زمانی در پیش‌بینی مالی
  • 47. کاربرد سری‌های زمانی در تحلیل آب و هوا
  • 48. کاربرد سری‌های زمانی در تحلیل ترافیک
  • 49. استفاده از Julia برای تحلیل سری‌های زمانی بزرگ
  • 50. بهینه‌سازی کد Julia برای تحلیل سری‌های زمانی
  • 51. آشنایی با کتابخانه‌های Julia برای تحلیل سری‌های زمانی پیشرفته
  • 52. مدل‌سازی سری‌های زمانی با استفاده از شبکه‌های عصبی
  • 53. مقدمه‌ای بر یادگیری ماشین و سری‌های زمانی
  • 54. شبکه‌های عصبی بازگشتی (RNN) برای سری‌های زمانی
  • 55. شبکه‌های LSTM برای سری‌های زمانی
  • 56. شبکه‌های GRU برای سری‌های زمانی
  • 57. ارزیابی و تنظیم مدل‌های یادگیری ماشین برای سری‌های زمانی
  • 58. کاربرد مدل‌های یادگیری ماشین در پیش‌بینی سری‌های زمانی
  • 59. مدل‌سازی سری‌های زمانی با استفاده از روش‌های بیزین
  • 60. مقدمه‌ای بر روش‌های بیزین
  • 61. مدل‌سازی بیزین برای سری‌های زمانی
  • 62. تخمین پارامترهای مدل‌های بیزین
  • 63. پیش‌بینی با استفاده از مدل‌های بیزین
  • 64. مباحث پیشرفته در تحلیل 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.