آموزش تجزیه و تحلیل داده های اکسل: پیش بینی

Excel Data Analysis: Forecasting

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: پروفسور وین وینستون بیش از بیست سال تکنیک های پیشرفته پیش بینی را به 500 شرکت Fortune آموزش داده است. در این دوره ، وی نشان می دهد که چگونه می توان از ابزار تجزیه و تحلیل داده های اکسل - از جمله نمودارها ، فرمول ها و توابع - برای ایجاد پیش بینی های دقیق و بصیر استفاده کرد. بیاموزید که چگونه داده های سری زمانی را به صورت تصویری نمایش دهد. با محاسبه خطاها و سوگیری ، از صحت پیش بینی های خود اطمینان حاصل کنید. برای شناسایی روندها و داده های دور از خط روند استفاده کنید. رشد مدل؛ حساب برای فصلی؛ و متغیرهای ناشناخته را با تجزیه و تحلیل رگرسیون چندگانه شناسایی کنید. یک سری چالش های تمرینی در این راه به شما کمک می کند مهارت های خود را بسنجید و کار خود را با راه حل های وین مقایسه کنید.
موضوعات شامل:
  • با ترسیم نقشه و نمایش اطلاعات ، داده های سری زمانی را نشان دهید.
  • یک نمودار میانگین متحرک را طراحی کنید.
  • نحوه حساب کردن خطاها و سوگیری ها را بشناسید.
  • تفسیر و استفاده از روندها.
  • نحوه مدل سازی رشد نمایی را تعیین کنید.
  • نرخ رشد سالانه مرکب را محاسبه کنید.
  • تأثیر فصلی بودن را تحلیل کنید.
  • روش نسبت نسبت به متحرک را شناسایی کنید.

سرفصل ها و درس ها

مقدمه Introduction

  • خوش آمدی Welcome

  • این دوره برای کیست؟ Who is this course for?

  • آنچه باید قبل از تماشای این دوره بدانید What you should know before watching this course

  • با استفاده از پرونده های تمرینی Using the exercise files

  • با استفاده از چالش ها Using the challenges

1. بصری داده های سری زمانی خود را نمایش دهید 1. Visually Displaying Your Time-Series Data

  • داده های سری زمانی چیست؟ What is time-series data?

  • رسم سری زمانی Plotting a time series

  • درک سطح در یک سری زمان Understanding level in a time series

  • درک روند در یک سری زمان Understanding trend in a time series

  • درک فصلی در یک سریال زمانی Understanding seasonality in a time series

  • درک سر و صدا در یک سریال زمانی Understanding noise in a time series

  • ایجاد نمودار متوسط متحرک Creating a moving average chart

  • چالش: داده های سری زمانی را برای مایل هواپیمایی تجزیه و تحلیل کنید Challenge: Analyze time-series data for airline miles

  • راه حل: داده های سری زمانی را برای مایل خطوط هوایی تجزیه و تحلیل کنید Solution: Analyze time-series data for airline miles

2. پیش بینی های شما چقدر خوب است؟ خطاها ، دقت و تعصب 2. How Good Are Your Forecasts? Errors, Accuracy, and Bias

  • بررسی اینکه چرا برخی پیش بینی ها بهتر از سایرین است Exploring why some forecasts are better than others

  • محاسبه میانگین انحراف مطلق (MAD) Computing the mean absolute deviation (MAD)

  • محاسبه میانگین خطای درصد مطلق (MAPE) Computing the mean absolute percentage error (MAPE)

  • محاسبه مجموع خطاهای مربع (SSE) Calculating the sum of squared errors (SSE)

  • محاسبه تعصب پیش بینی Computing forecast bias

  • تعصب پیش بینی پیشرفته: تعیین اهمیت Advanced forecast bias: Determining significance

  • Challenge: محاسبه MAD ، MAPE و SSE برای یک بازی NFL Challenge: Compute MAD, MAPE, and SSE for an NFL game

  • راه حل: محاسبه MAD ، MAPE و SSE برای یک بازی NFL Solution: Compute MAD, MAPE, and SSE for an NFL game

3. استفاده از یک خط ترقی برای پیش بینی 3. Using a Trendline for Forecasting

  • متناسب با منحنی روند خطی Fitting a linear trend curve

  • تفسیر خط روند Interpreting the trendline

  • تفسیر مقدار مربع R Interpreting the R-squared value

  • محاسبه خطای استاندارد رگرسیون و دوردست Computing standard error of the regression and outliers

  • بررسی همبستگی Exploring autocorrelation

  • چالش: برای تجزیه و تحلیل R مربعات و محیط های دور ، یک روند ایجاد کنید Challenge: Create a trendline to analyze R squared and outliers

  • راه حل: برای تجزیه و تحلیل R مربعات و محیط های خارج از خانه ، یک خط روند ایجاد کنید Solution: Create a trendline to analyze R squared and outliers

4. مدل سازی رشد نمایی و نرخ رشد سالانه ترکیبی (CAGR) 4. Modeling Exponential Growth and Compound Annual Growth Rate (CAGR)

  • چه زمانی یک روند خطی شکست می خورد؟ When does a linear trend fail?

  • ایجاد یک منحنی روند نمایی Creating an exponential trend curve

  • محاسبه نرخ رشد سالانه مرکب (CAGR) Computing compound annual growth rate (CAGR)

  • چالش: متناسب با منحنی رشد نمایی ، برآورد CAGR و پیش بینی درآمد Challenge: Fit an exponential growth curve, estimate CAGR, and forecast revenue

  • راه حل: متناسب با منحنی رشد نمایی ، برآورد CAGR و پیش بینی درآمد Solution: Fit an exponential growth curve, estimate CAGR, and forecast revenue

5. فصلی بودن و روش نسبت به حرکت-میانگین 5. Seasonality and the Ratio-to-Moving-Average Method

  • شاخص فصلی چیست؟ What is a seasonal index?

  • معرفی روش نسبت به حرکت متوسط Introducing the ratio-to-moving-average method

  • محاسبه میانگین متحرک محور Computing the centered moving average

  • محاسبه شاخص های فصلی Calculating seasonal indices

  • تخمین یک روند سری Estimating a series trend

  • پیش بینی فروش Forecasting sales

  • پیش بینی اگر روند سریال در حال تغییر است Forecasting if the series trend is changing

  • چالش: پیش بینی فروش سه ماهه آینده Challenge: Predicting future quarterly sales

  • راه حل: پیش بینی فروش سه ماهه آینده Solution: Predicting future quarterly sales

6. پیش بینی با رگرسیون چندگانه 6. Forecasting with Multiple Regressions

  • رگرسیون چندگانه چیست؟ What is multiple regression?

  • تهیه داده برای رگرسیون چندگانه Preparing data for multiple regression

  • رگرسیون خطی چندگانه را اجرا می کنید Running a multiple linear regression

  • یافتن معادله رگرسیون چندگانه و آزمایش برای اهمیت Finding the multiple-regression equation and testing for significance

  • تناسب خط روند چقدر خوب است؟ How good is the fit of the trendline?

  • پیش بینی از معادله رگرسیون چندگانه Making forecasts from a multiple-regression equation

  • اعتبارسنجی معادله رگرسیون چندگانه با استفاده از عملکرد TREND Validating a multiple-regression equation using the TREND function

  • ضرایب رگرسیون تفسیر Interpreting regression coefficients

  • چالش: تحلیل رگرسیون درآمد Amazon.com Challenge: Regression analysis of Amazon.com revenue

  • راه حل: تحلیل رگرسیون درآمد Amazon.com Solution: Regression analysis of Amazon.com revenue

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

نظری ارسال نشده است.

آموزش تجزیه و تحلیل داده های اکسل: پیش بینی
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
3h 7m
54
Linkedin (لینکدین) lynda-small
07 مهر 1393 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
498,251
- از 5
ندارد
دارد
دارد
Wayne Winston

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Wayne Winston Wayne Winston

وین وینستون استاد علوم تصمیم گیری در دانشکده تجارت دانشگاه کلی ایندیانا است. وی تاکنون برنده بیش از 30 جایزه تدریس ، از جمله استاد جان و استر ریز ، و بیش از 20 مقاله ژورنالی و 15 کتاب به نگارش درآورده است. جدیدترین کتاب او ، ریاضیات ، استفاده از ریاضیات توسط تیم های ورزشی حرفه ای و قماربازان را توضیح می دهد. وین برای بسیاری از سازمانها از جمله دالاس ماوریکس ، ایالات متحده غواصی ، سیسکو ، مایکروسافت ، ارتش آمریکا ، الی لیلی ، مشاوره الماس ، تلابس و Medtronics مشورت کرده است. او همچنین دوره های مدل سازی و ریاضی گسترده آنلاین را برای انتشارات دانشکده بازرگانی هاروارد تدوین کرده است. سرانجام ، وین دو مرتبه خطرناک است! قهرمان.

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.