آموزش تحلیل و پیش‌بینی سری‌های زمانی در R - آخرین آپدیت

سرفصل ها و درس ها

مقدمه‌ای بر داده‌های سری زمانی در R Introduction to Time Series Data in R

• آشنایی با تحلیل سری‌های زمانی Introduction to Time Series Analysis

• ویژگی‌های سری‌های زمانی Properties of Time Series

• دمو: بصری‌سازی داده‌های سری زمانی Demo: Visualizing Time Series Data

• آماده‌سازی مجموعه داده برای تحلیل سری زمانی Preparing a Dataset for Time Series Analysis

• دمو: استفاده از درون‌یابی برای پر کردن داده‌های گم‌شده Demo: Using Interpolation to Fill in Missing Data

• دمو: شناسایی داده‌های پرت با استفاده از میانگین متحرک Demo: Detecting Outliers Using Rolling Averages

• دمو: بررسی ایستا بودن در داده‌های سری زمانی Demo: Checking for Stationarity in Time Series Data

ساخت و ارزیابی مدل‌های سری زمانی Building and Evaluating Time Series Models

• درک مدل‌های ARIMA و ETS Understanding ARIMA and ETS Models

• دمو: ساخت و تفسیر مدل ARIMA Demo: Build and Interpret an ARIMA Model

• دمو: پیاده‌سازی مدل ETS Demo: Apply an ETS Model

• آشنایی با STL Understanding STL

• دمو: اعمال تجزیه STL Demo: Applying STL Decomposition

عیب‌یابی و بهبود مدل‌های سری زمانی Diagnosing and Improving Time Series Models

• چه چیزی یک مدل را ایده‌آل می‌کند؟ What Makes a Model Good?

• دمو: نحوه بررسی کیفیت و کارایی مدل Demo: How to Check if a Model Is Good

• روش‌های تنظیم و بهینه‌سازی مدل‌های سری زمانی How to Tune Time Series Models

• دمو: تنظیم مدل‌های ARIMA و ETS Demo: Tuning ARIMA and ETS Models

پیش‌بینی و ارائه نتایج Forecasting and Communicating Results

• مقدمه‌ای بر مدل Prophet Introduction to Prophet

• دمو: استفاده از مدل پیش‌بینی Prophet Demo: Using the Prophet Forecasting Model

• دمو: بصری‌سازی پیش‌بینی‌ها در R با Ggplot2 و Dygraphs Demo: Visualizing Forecasts in R with Ggplot2 and Dygraphs

• بهترین روش‌ها برای ارائه و گزارش پیش‌بینی‌ها Best Practices for Communicating Forecasts