آموزش مدل سازی سری زمانی در Excel، R و Power BI

Time Series Modeling in Excel, R, and Power BI

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:

استفاده از مدل‌های سری زمانی به یک موضوع اصلی در دنیای علم داده امروزی تبدیل شده است. در این دوره، مربی هلن وال به شما نشان می دهد که چگونه مدل های میانگین متحرک یکپارچه اتورگرسیو (ARIMA) را به عنوان ابزارهای مدل سازی سری زمانی پیش بینی کننده در Excel، R و Power BI اجرا کنید.

بلوک‌های سازنده تجزیه سری‌های زمانی را کاوش کنید، که به شما امکان می‌دهد داده‌ها را با دقت، سازگاری و سهولت پیش‌بینی کنید. به اصول ضرایب خودرگرسیون، خودهمبستگی، ضرایب میانگین متحرک، ایستایی و پیاده روی تصادفی با اجزای یکپارچه، و نحوه پیش‌بینی مدل‌های سری زمانی با استفاده از Power BI نگاهی عمیق بیندازید. در پایان این دوره، شما آماده خواهید بود تا مهارت های جدید تجزیه و تحلیل داده های خود را برای تصمیم گیری به موقع و موثرتر برای کسب و کار خود به کار بگیرید.


سرفصل ها و درس ها

معرفی Introduction

  • پیش‌بینی آینده با مدل‌های سری زمانی (در حال انجام) Predicting the future with time series models (In progress)

  • آنچه شما باید بدانید What you should know

  • پروژه دوره Course project

1. مدل های سری زمانی 1. Time Series Models

  • مدل های سری زمانی Time series models

  • تاریخ Dates

  • شاخص تاریخ/زمان Date/time index

  • اشیاء سری زمانی Time series objects

  • فیلتر کردن Filtering

  • حذف NA Removing NAs

  • تجمیع و گروه بندی Aggregating and grouping

  • تجزیه سری زمانی Time series decomposition

  • افزودن خطوط متناسب Adding fitted lines

  • پیش بینی روندهای آینده Forecasting future trends

  • چالش: جمع آوری داده های سری زمانی Challenge: Aggregating time series data

  • راه حل: جمع آوری داده های سری زمانی Solution: Aggregating time series data

  • امتحان فصل Chapter Quiz

2. خود رگرسیون 2. Autoregression

  • رگرسیون خطی بهترین برازش خطوط Linear regression best fit lines

  • باقیمانده ها Residuals

  • تاخیر Lags

  • خودرگرسیون Autoregression

  • میانگین متحرک Moving average

  • چالش: تعیین روند کلی Challenge: Determining overall trends

  • راه حل: تعیین روند کلی Solution: Determining overall trends

  • امتحان فصل Chapter Quiz

3. روند زمان 3. Time Trends

  • خودهمبستگی Autocorrelation

  • خودهمبستگی جزئی Partial autocorrelation

  • ثابت بودن Stationarity

  • مدل سازی ARIMA ARIMA modeling

  • مدل سازی Power BI Power BI modeling

  • چالش: پیش بینی تقاضای هفته آینده Challenge: Forecasting next week's demand

  • راه حل: پیش بینی تقاضای هفته آینده Solution: Forecasting next week's demand

  • امتحان فصل Chapter Quiz

نتیجه Conclusion

  • دانش سری زمانی خود را گسترش دهید Extending your time series knowledge

نمایش نظرات

آموزش مدل سازی سری زمانی در Excel، R و Power BI
جزییات دوره
2h
33
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
-
- از 5
دارد
دارد
دارد
Helen Wall
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Helen Wall Helen Wall

کارشناس تجزیه و تحلیل داده ها و تجزیه و تحلیل کسب و کار

هلن وال یک متخصص تجزیه و تحلیل داده ها و تجزیه و تحلیل کسب و کار است.

هلن در تجزیه و تحلیل داده ها - پرسش، تجزیه و تحلیل و مدل سازی داده ها مهارت دارد. برای به دست آوردن بینش - و ایجاد تجسم هایی که معیارها را نشان می دهد، تا به کسب و کارها در تصمیم گیری آگاهانه کمک کند. او در نقش خود به عنوان یک تحلیلگر ارشد مالی، در حال حاضر گزارش ها را بهبود می بخشد، فرآیندها را ساده می کند و پیش بینی ها را نظارت می کند و به گروه پیش بینی و تجزیه و تحلیل بودجه کمک می کند. او در چندین ابزار از جمله Tableau، Microsoft Excel، Microsoft Power Query، Microsoft Power BI مهارت دارد.