آموزش پیش بینی فروش با سری زمانی، LightGBM و Random Forest

Forecasting Sales with Time Series, LightGBM & Random Forest

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: آموزش ساخت مدل‌های پیش‌بینی فروش با استفاده از سری‌های زمانی، ARIMA، SARIMA، LightGBM، Random Forest و LSTM آموزش ساخت مدل پیش‌بینی فروش با استفاده از ARIMA، SARIMA، LightGBM، Random Forest و LSTM آموزش نحوه انجام تجزیه و تحلیل تقسیم‌بندی مشتری برای تجزیه و تحلیل روند عملکرد فروش یاد بگیرید که چگونه دقت و عملکرد مدل پیش بینی را با محاسبه میانگین خطای مطلق ارزیابی کنید و تجزیه و تحلیل باقیمانده را انجام دهید یاد بگیرید که چگونه مدل پیش بینی سری های زمانی کار می کند. این بخش شامل جمع‌آوری داده‌ها، پیش پردازش، تقسیم تست قطار، انتخاب مدل و آموزش مدل می‌شود. نحوه پاکسازی مجموعه داده با حذف ردیف های از دست رفته و مقادیر تکراری آموزش تجزیه و تحلیل کارایی انجام سفارش آموزش اصول اولیه پیش بینی فروش پیش نیازها: عدم نیاز به تجربه قبلی در پیش بینی فروش دانش پایه در پایتون و آمار

به پیش بینی فروش با سری زمانی، دوره LightGBM Random Forest خوش آمدید. این یک دوره جامع مبتنی بر پروژه است که در آن گام به گام نحوه ساخت مدل های پیش بینی فروش را یاد خواهید گرفت. این دوره ترکیبی عالی بین یادگیری ماشینی و تجزیه و تحلیل فروش است و آن را به فرصتی ایده آل برای تقویت مهارت های علم داده شما تبدیل می کند. این دوره عمدتاً بر روی سه جنبه اصلی متمرکز خواهد بود، اولی تجزیه و تحلیل داده ها است که در آن مجموعه داده های گزارش فروش را از زوایای مختلف بررسی می کنید، دومی انجام تجزیه و تحلیل بخش بندی مشتری، و سومی ایجاد مدل های پیش بینی فروش با استفاده از سری های زمانی، LightGBM، Random Forest، LSTM، و SARIMA (میانگین متحرک یکپارچه اتورگرسیو فصلی). در جلسه مقدمه، شما با اصول اولیه پیش بینی فروش آشنا می شوید، مانند آشنایی با مدل های پیش بینی که مورد استفاده قرار می گیرد و همچنین یاد می گیرید که چگونه پیش بینی فروش می تواند به ما در شناسایی رفتار مصرف کننده کمک کند. سپس در جلسه بعدی با فرآیند کامل گام به گام نحوه عملکرد پیش‌بینی سری‌های زمانی آشنا می‌شویم. این بخش شامل جمع آوری داده ها، پیش پردازش، تقسیم داده ها به مجموعه های آموزشی و آزمایشی، انتخاب مدل، مدل آموزشی و پیش بینی می شود. پس از آن، شما همچنین در مورد چندین عامل موثر در عملکرد فروش، به عنوان مثال، کیفیت محصول، استراتژی های بازاریابی، روندهای فصلی، اشباع بازار، کارایی زنجیره تامین و عوامل کلان اقتصادی آشنا خواهید شد. هنگامی که تمام دانش لازم در مورد مدل پیش بینی فروش را آموختید، پروژه را شروع می کنیم. ابتدا در مورد نحوه راه اندازی Google Colab IDE گام به گام راهنمایی خواهید شد. علاوه بر آن، یافتن و دانلود مجموعه داده های گزارش فروش از Kaggle را نیز یاد خواهید گرفت، هنگامی که همه چیز آماده شد، وارد بخش اصلی دوره می شویم که بخش پروژه است. پروژه از سه قسمت اصلی تشکیل شده است. بخش اول تجزیه و تحلیل داده ها و تجسم سازی است که در آن مجموعه داده ها را از زوایای مختلف بررسی می کنید، در قسمت دوم، گام به گام نحوه انجام تجزیه و تحلیل گسترده تقسیم بندی مشتری را یاد می گیرید، در همین حال، در قسمت سوم، نحوه انجام پیش بینی فروش با استفاده از سری های زمانی، LightGBM، Random Forest، LSTM، و میانگین متحرک یکپارچه اترگرسیون فصلی. در پایان دوره، شما همچنین دقت و عملکرد مدل پیش‌بینی فروش را با استفاده از میانگین خطای مطلق و تحلیل باقیمانده ارزیابی خواهید کرد.

اول از همه، قبل از ورود به دوره، باید این سوال را از خود بپرسیم: چرا باید پیش بینی فروش را یاد بگیریم؟ خوب، پاسخ من اینجاست، پیش‌بینی فروش یک ضرورت استراتژیک برای کسب‌وکارها در بازار پویای امروزی است. با تسلط بر هنر پیش بینی فروش، قدرت پیش بینی روندهای بازار، درک رفتار مصرف کننده و بهینه سازی تخصیص منابع را به دست می آوریم. این فقط در مورد پیش بینی اعداد نیست، بلکه در مورد جلوتر از رقبا ماندن، سازگاری با تقاضاهای در حال تغییر و گرفتن تصمیمات آگاهانه است که باعث موفقیت تجاری می شود. علاوه بر آن، با ساخت این پروژه پیش بینی فروش، مهارت های علم داده و یادگیری ماشین خود را ارتقا می دهید. آخرین اما نه کم‌اهمیت، حتی اگر پیش‌بینی فروش می‌تواند بسیار مفید باشد، با این حال، باید توجه داشته باشید که هر چقدر هم که مدل پیش‌بینی شما پیشرفته باشد، چیزی به نام دقت 100% در مورد پیش‌بینی وجود ندارد.

در زیر مواردی وجود دارد که می‌توانید از این دوره یاد بگیرید:

  • اصول اساسی پیش بینی فروش را بیاموزید

  • با نحوه عملکرد مدل‌های پیش‌بینی سری‌های زمانی آشنا شوید. این بخش شامل جمع آوری داده ها، کاوش داده ها، پیش پردازش، تقسیم تست قطار، انتخاب مدل، آموزش مدل، و پیش بینی می شود

  • درباره عواملی که می‌توانند به عملکرد فروش کمک کنند، مانند روندهای فصلی، اشباع بازار و کارایی زنجیره تامین بیاموزید

  • با نحوه یافتن و دانلود مجموعه داده ها از Kaggle آشنا شوید

  • نحوه تمیز کردن مجموعه داده با حذف ردیف‌های از دست رفته و مقادیر تکراری را بیاموزید

  • با نحوه انجام تجزیه و تحلیل تقسیم بندی مشتری آشنا شوید

  • با نحوه تجزیه و تحلیل کارایی انجام سفارش آشنا شوید

  • با نحوه تجزیه و تحلیل روند عملکرد فروش آشنا شوید

  • با نحوه ساخت مدل پیش بینی فروش با استفاده از ARIMA، SARIMA، LightGBM، Random Forest و LSTM آشنا شوید

  • با نحوه ارزیابی دقت و عملکرد مدل پیش‌بینی با محاسبه میانگین خطای مطلق و انجام تجزیه و تحلیل باقیمانده آشنا شوید


سرفصل ها و درس ها

معرفی Introduction

  • مقدمه دوره Introduction to the Course

  • فهرست مطالب Table of Contents

  • این دوره برای چه کسانی در نظر گرفته شده است؟ Whom This Course is Intended for?

ابزارها، IDE و مجموعه داده ها Tools, IDE, and Datasets

  • ابزارها، IDE و مجموعه داده ها Tools, IDE, and Datasets

مقدمه ای بر پیش بینی فروش Introduction to Sales Forecasting

  • مقدمه ای بر پیش بینی فروش Introduction to Sales Forecasting

مدل پیش‌بینی سری‌های زمانی چگونه کار می‌کند؟ How Time Series Forecasting Model Works?

  • مدل پیش‌بینی سری‌های زمانی چگونه کار می‌کند؟ How Time Series Forecasting Model Works?

عواملی که می تواند به عملکرد فروش کمک کند Factors That Can Contribute to Sales Performance

  • عواملی که می تواند به عملکرد فروش کمک کند Factors That Can Contribute to Sales Performance

راه اندازی Google Colab IDE Setting Up Google Colab IDE

  • راه اندازی Google Colab IDE Setting Up Google Colab IDE

یافتن و دانلود مجموعه داده گزارش فروش از Kaggle Finding & Downloading Sales Report Dataset From Kaggle

  • یافتن و دانلود مجموعه داده گزارش فروش از Kaggle Finding & Downloading Sales Report Dataset From Kaggle

آماده سازی پروژه Project Preparation

  • آپلود مجموعه داده گزارش فروش در Google Colab Uploading Sales Report Dataset to Google Colab

  • مروری سریع بر مجموعه داده های گزارش فروش Quick Overview of Sales Report Dataset

پاک کردن مجموعه داده با حذف مقادیر و موارد تکراری از دست رفته Cleaning Dataset by Removing Missing Values & Duplicates

  • پاک کردن مجموعه داده با حذف مقادیر و موارد تکراری از دست رفته Cleaning Dataset by Removing Missing Values & Duplicates

تجزیه و تحلیل بخش بندی مشتری Customer Segmentation Analysis

  • تجزیه و تحلیل بخش بندی مشتری Customer Segmentation Analysis

تجزیه و تحلیل کارایی انجام سفارش Analyzing Order Fulfilment Efficiency

  • تجزیه و تحلیل کارایی انجام سفارش Analyzing Order Fulfilment Efficiency

تجزیه و تحلیل روند عملکرد فروش Analyzing Sales Performance Trend

  • تجزیه و تحلیل روند عملکرد فروش Analyzing Sales Performance Trend

پیش بینی فروش با ARIMA Forecasting Sales with ARIMA

  • پیش بینی فروش با ARIMA Forecasting Sales with ARIMA

پیش بینی فروش با ساریما Forecasting Sales with SARIMA

  • پیش بینی فروش با ساریما Forecasting Sales with SARIMA

پیش بینی فروش با LightGBM Forecasting Sales with LightGBM

  • پیش بینی فروش با LightGBM Forecasting Sales with LightGBM

پیش بینی فروش با Random Forest Forecasting Sales with Random Forest

  • پیش بینی فروش با Random Forest Forecasting Sales with Random Forest

پیش بینی فروش با LSTM Forecasting Sales with LSTM

  • پیش بینی فروش با LSTM Forecasting Sales with LSTM

محاسبه میانگین خطای مطلق و انجام تجزیه و تحلیل باقیمانده Calculating Mean Absolute Error & Conducting Residual Analysis

  • محاسبه میانگین خطای مطلق و انجام تجزیه و تحلیل باقیمانده Calculating Mean Absolute Error & Conducting Residual Analysis

نتیجه گیری و خلاصه Conclusion & Summary

  • نتیجه گیری و خلاصه Conclusion & Summary

نمایش نظرات

آموزش پیش بینی فروش با سری زمانی، LightGBM و Random Forest
جزییات دوره
3 hours
22
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
3,004
از 5
دارد
ندارد
ندارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Christ Raharja Christ Raharja

مشاور سابق ریسک فناوری و علاقه‌مند به تجارت الکترونیک