آموزش آشنایی با مدل‌سازی سری‌های زمانی - آخرین آپدیت

سرفصل ها و درس ها

تبدیل فعالیت‌های خرده‌فروشی آنلاین به مسئله پیش‌بینی سری زمانی Turning online retail activity into a time series forecasting problem

• تعریف داده‌های سری زمانی از طریق پیش‌بینی تجاری، نظارت و تحلیل الگو Defining time series data through business forecasting, monitoring, and pattern analysis

• دمو: تبدیل یک سوال تجاری به هدف پیش‌بینی، افق زمانی و هدف ارزیابی Demo: Translating a business question into a forecasting target, horizon, and evaluation goal

تحلیل ساختار سری‌های زمانی پیش از انتخاب رویکرد پیش‌بینی Reading time series structure before choosing a forecasting approach

• شناسایی روند، فصلی بودن، چرخه‌ها و تغییرات نامنظم در داده‌های سری زمانی Identifying trend, seasonality, cycles, and irregular variation in time series data

• دمو: مدیریت مقادیر صفر در سری‌های زمانی خرده‌فروشی Demo: Dealing with zero values in retail time series

• دمو: مقایسه ساختارهای جمعی و ضربی سری‌های زمانی برای تصمیمات مدل‌سازی Demo: Comparing additive and multiplicative time series structures for modeling decisions

انتخاب رویکردهای کاربردی مدل‌سازی سری زمانی و تشخیص زمان استفاده از روش‌های ساده‌تر Choosing practical time series modeling approaches and knowing when simpler methods are enough

• دمو: مقایسه خط‌بازهای پیش‌بینی، مدل ARIMA فصلی و قوانین نظارتی Demo: Comparing forecasting baselines, seasonal ARIMA, and monitoring rules

• انتخاب رویکرد پیش‌بینی بر اساس فرکانس پیش‌بینی، افق برنامه‌ریزی، اهداف ارزیابی و محدودیت‌های عملیاتی Selecting a forecasting approach based on forecast frequency, planning horizon, evaluation goals, and operational constraints