آموزش تحلیل کاربردی سری‌های زمانی - آخرین آپدیت

دانلود Practical Time Series Analysis

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: به دوره تحلیل کاربردی سری‌های زمانی خوش آمدید! بسیاری از ما تحلیلگران داده «اتفاقی» هستیم؛ یعنی در رشته‌های علوم، تجارت یا مهندسی تحصیل کرده‌ایم و سپس با داده‌هایی مواجه شدیم که برای تحلیل رسمی آن‌ها آموزش ندیده بودیم. این دوره برای افرادی با توانمندی‌های فنی طراحی شده است که به دنبال رویکردی فراتر از دستورالعمل‌های ساده هستند، اما همچنان نیاز دارند بر تحلیل‌ها و ارائه‌های روتینی تمرکز کنند که درک آن‌ها از موضوعات تخصصی‌شان را عمیق‌تر می‌کند. در تحلیل کاربردی سری‌های زمانی، ما مجموعه‌ داده‌هایی را بررسی می‌کنیم که نشان‌دهنده اطلاعات متوالی هستند، مانند قیمت سهام، میزان بارش سالانه، فعالیت لکه‌های خورشیدی، قیمت محصولات کشاورزی و موارد دیگر. ما چندین مدل ریاضی را بررسی می‌کنیم که می‌توانند برای توصیف فرآیندهای تولیدکننده این نوع داده‌ها استفاده شوند. همچنین نمایش‌های گرافیکی را می‌بینیم که بینش‌های عمیقی از داده‌های ما ارائه می‌دهند. در نهایت، یاد می‌گیریم چگونه پیش‌بینی‌هایی انجام دهیم که تحلیل‌های هوشمندانه‌ای درباره انتظارات آینده ارائه دهد. لطفاً چند دقیقه برای گشت‌وگذار در سایت دوره وقت بگذارید. شما ویدئوهای آموزشی به همراه متون پشتیبان و آزمون‌هایی برای تثبیت نکات مهم را خواهید یافت. زبان مورد استفاده در این دوره R است، که یک پیاده‌سازی رایگان از زبان S می‌باشد؛ محیطی حرفه‌ای که یادگیری آن نسبتاً آسان است. شما می‌توانید مطالب دوره را با سایر دانشجویان به بحث بگذارید. لطفاً لحظه‌ای وقت بگذارید و خودتان را معرفی کنید! یادگیری تحلیل سری‌های زمانی ممکن است نیاز به تلاش داشته باشد؛ ما سعی کرده‌ایم ایده‌های «حیاتی» را به گونه‌ای ارائه دهیم که شما ریاضیات کافی برای رضایت خاطر را بیاموزید و در عین حال بتوانید بلافاصله نتایج عملی بگیرید. امیدواریم از این کلاس لذت ببرید!

سرفصل ها و درس ها

هفته اول: آمار پایه WEEK 1: Basic Statistics

  • معرفی دوره Course Introduction

  • ویدئوی خوش‌آمدگویی هفته اول Week 1 Welcome Video

  • شروع کار با R: دانلود و نصب R در ویندوز Getting Started in R: Download and Install R on Windows

  • شروع کار با R: دانلود و نصب R در مک Getting Started in R: Download and Install R on Mac

  • شروع کار با R: استفاده از پکیج‌ها Getting Started in R: Using Packages

  • اتصال داده‌ها، خلاصه پنج عدد و انحراف معیار Concatenation, Five-number summary, Standard Deviation

  • رسم هیستوگرام در R Histogram in R

  • رسم نمودار پراکندگی در R Scatterplot in R

  • مرور آمار پایه ۱: رگرسیون خطی ساده Review of Basic Statistics I - Simple Linear Regression

  • مرور آمار پایه ۲: رگرسیون خطی پیشرفته Reviewing Basic Statistics II More Linear Regression

  • مرور آمار پایه ۳: استنباط Reviewing Basic Statistics III - Inference

  • مرور آمار پایه ۴ Reviewing Basic Statistics IV

هفته دوم: بصری‌سازی سری‌های زمانی و شروع مدل‌سازی Week 2: Visualizing Time Series, and Beginning to Model Time Series

  • ویدئوی خوش‌آمدگویی هفته دوم Week 2 Welcome Video

  • مقدمه Introduction

  • نمودارهای زمانی Time plots

  • اولین شهودها در مورد ایستایی (ضعیف) First Intuitions on (Weak) Stationarity

  • تابع خودکوواریانس Autocovariance function

  • ضرایب خودکوواریانس Autocovariance coefficients

  • تابع خودهمبستگی (ACF) Autocorrelation Function (ACF)

  • گشت تصادفی (Random Walk) Random Walk

  • مقدمه‌ای بر فرآیندهای میانگین متحرک Introduction to Moving Average Processes

  • شبیه‌سازی فرآیند MA(2) Simulating MA(2) process

هفته سوم: ایستا بودن، فرآیندهای MA(q) و AR(p) Week 3: Stationarity, MA(q) and AR(p) processes

  • ویدئوی خوش‌آمدگویی هفته سوم Week 3 Welcome Video

  • ایستایی: شهود و تعریف Stationarity - Intuition and Definition

  • ایستایی: اولین مثال‌ها... نویز سفید و گشت‌های تصادفی Stationarity - First Examples...White Noise and Random Walks

  • ایستایی: اولین مثال‌ها... ACF میانگین متحرک Stationarity - First Examples...ACF of Moving Average

  • سری‌ها و نمایش سری Series and Series Representation

  • عملگر شیفت به عقب Backward shift operator

  • مقدمه‌ای بر وارون‌پذیری Introduction to Invertibility

  • دوگانگی Duality

  • همگرایی میانگین مربعات (اختیاری) Mean Square Convergence (Optional)

  • فرآیندهای خودرگرسیونی: تعریف، شبیه‌سازی و اولین مثال‌ها Autoregressive Processes - Definition, Simulation, and First Examples

  • فرآیندهای خودرگرسیونی: عملگر شیفت عقب و ACF Autoregressive Processes - Backshift Operator and the ACF

  • معادلات تفاضلی Difference equations

  • معادلات یول-واکر Yule - Walker equations

هفته چهارم: فرآیندهای AR(p)، معادلات یول-واکر و PACF Week 4: AR(p) processes, Yule-Walker equations, PACF

  • ویدئوی خوش‌آمدگویی هفته چهارم Week 4 Welcome Video

  • خودهمبستگی جزئی و اولین مثال‌های PACF Partial Autocorrelation and the PACF First Examples

  • خودهمبستگی جزئی و PACF: توسعه مفهوم Partial Autocorrelation and the PACF - Concept Development

  • معادلات یول-واکر در قالب ماتریسی Yule-Walker Equations in Matrix Form

  • تخمین یول-واکر: شبیه‌سازی AR(2) Yule Walker Estimation - AR(2) Simulation

  • تخمین یول-واکر: شبیه‌سازی AR(3) Yule Walker Estimation - AR(3) Simulation

  • داده‌های استخدام: برازش مدل Recruitment data - model fitting

  • برازش مدل جانسون و جانسون Johnson & Johnson-model fitting

هفته پنجم: معیار اطلاعات آکائیکه (AIC)، مدل‌های ترکیبی و مدل‌های تکامل‌یافته Week 5: Akaike Information Criterion (AIC), Mixed Models, Integrated Models

  • ویدئوی خوش‌آمدگویی هفته پنجم Week 5 Welcome Video

  • معیار اطلاعات آکائیکه و کیفیت مدل Akaike Information Criterion and Model Quality

  • مدل‌های ARMA (و کمی تئوری) ARMA Models (And a Little Theory)

  • ویژگی‌ها و مثال‌های ARMA ARMA Properties and Examples

  • فرآیندهای ARIMA ARIMA Processes

  • آماره Q Q-Statistic

  • تولدات روزانه در کالیفرنیا در سال ۱۹۵۹ Daily births in California in 1959

هفته ششم: فصلی بودن، SARIMA و پیش‌بینی Week 6: Seasonality, SARIMA, Forecasting

  • ویدئوی خوش‌آمدگویی هفته ششم Week 6 Welcome Video

  • فرآیندهای SARIMA SARIMA processes

  • ACF مدل‌های SARIMA ACF of SARIMA models

  • برازش SARIMA: جانسون و جانسون SARIMA fitting: Johnson & Johnson

  • برازش SARIMA: تولید شیر SARIMA fitting: Milk production

  • برازش SARIMA: فروش در یک فروشگاه سوغاتی SARIMA fitting: Sales at a souvenir shop

  • پیش‌بینی با استفاده از هموارسازی نمایی ساده Forecasting Using Simple Exponential Smoothing

  • هموارسازی نمایی دوگانه Double Exponential Smoothing

  • هموارسازی نمایی سه‌گانه: توسعه مفهوم Triple Exponential Smoothing Concept Development

  • پیاده‌سازی هموارسازی نمایی سه‌گانه Triple Exponential Smoothing Implementation

نمایش نظرات

آموزش تحلیل کاربردی سری‌های زمانی
جزییات دوره
25h 58m
60
(آخرین آپدیت)
98,741
4.6 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده

Tural Sadigov Tural Sadigov