آموزش رویکردی عملی برای پیش‌بینی سری‌های زمانی با استفاده از پایتون [ویدئو]

سرفصل ها و درس ها

معرفی Introduction

• مقدمه ای بر پیش بینی سری های زمانی Introduction to Time Series Forecast

• معرفی مربی Introduction to Instructor

• معرفی دوره Course Introduction

انگیزه و مروری بر تحلیل سری های زمانی Motivation and Overview of Time Series Analysis

• مقدمه ای بر پیش بینی سری های زمانی Introduction to Time Series Forecasting

• ویژگی های سری زمانی Features of Time Series

• انواع داده های سری زمانی Types of Time Series Data

• مراحل پیش بینی سری های زمانی Stages for Time Series Forecasting

• دستکاری داده ها در سری های زمانی Data Manipulation in Time Series

• پردازش داده ها برای پیش بینی سری های زمانی Data Processing for Time Series Forecasting

• پیش بینی یادگیری ماشین Machine Learning Forecasting

• پیش بینی RNN RNN Forecasting

• پروژه هایی که باید تحت پوشش قرار گیرند Projects to Be Covered

مبانی دستکاری داده ها در سری های زمانی Basics of Data Manipulation in Time Series

• نمای کلی ماژول Module Overview

• بسته های مورد نیاز برای اجرای کدها بدون خطا Packages Required to Execute Codes Error-Free

• بررسی اجمالی نقشه برداری و تجسم اولیه Overview of Basic Plotting and Visualization

• مروری بر پارامترهای سری زمانی Overview of Time Series Parameters

• نصب وابستگی ها و مروری بر مجموعه داده ها Dependencies Installation and Dataset Overview

• دستکاری داده ها در پایتون Data Manipulation in Python

• برش داده ها و نمایه سازی Data Slicing and Indexing

• تجسم داده های پایه با ویژگی سری زمانی تک Basic Data Visualization with Single Time Series Feature

• تجسم داده ها با ویژگی های سری زمانی چندگانه Data Visualization with Multiple Time Series Features

• تجسم داده ها با انتخاب ویژگی های سفارشی شده Data Visualization with Customized Features Selection

• نمودارهای مساحتی در تجزیه و تحلیل داده ها Area Plots in Data Analysis

• هیستوگرام با ویژگی واحد Histogram with Single Feature

• ویژگی های چندگانه هیستوگرام Histogram Multiple Features

• نمودارهای پای Pie Charts

• پارامترهای سری زمانی Time Series Parameters

• ویدیوی مسابقه Quiz Video

• راه حل آزمون Quiz Solution

پردازش داده ها برای پیش بینی سری های زمانی Data Processing for Timeseries Forecasting

• نمای کلی ماژول Module Overview

• اهمیت مجموعه داده Dataset Significance

• بررسی اجمالی مجموعه داده Dataset Overview

• دستکاری مجموعه داده ها Dataset Manipulation

• پیش پردازش داده ها Data Pre-Processing

• مدل های RVT RVT Models

• تجزیه خودکار سری زمانی Automatic Time Series Decomposition

• روند استفاده از فیلتر میانگین متحرک Trend Using Moving Average Filter

• مقایسه فصلی Seasonality Comparison

• نمونه گیری مجدد Resampling

• نویز در سری زمانی Noise in Time Series

• مهندسی ویژگی Feature Engineering

• ثابت بودن در سری زمانی Stationarity in Time Series

• مدیریت غیر ایستایی در سری های زمانی Handling Non-Stationarity in Time Series

• امتحان Quiz

• راه حل آزمون Quiz Solution

یادگیری ماشین در پیش بینی سری های زمانی Machine Learning in Time Series Forecasting

• نمای کلی بخش Section Overview

• آماده سازی داده ها Data Preparation

• همبستگی خودکار و همبستگی جزئی Auto Correlation and Partial Correlation

• تقسیم داده ها Data Splitting

• خودرگرسیون Autoregression

• خود رگرسیون در پایتون Autoregression in Python

• میانگین متحرک و ARMA Moving Average and ARMA

• آریما ARIMA

• ARIMA در پایتون ARIMA in Python

• خودکار ARIMA در پایتون Auto ARIMA in Python

• ساریما SARIMA

• SARIMA در پایتون SARIMA in Python

• خودکار SARIMA در پایتون Auto SARIMA in Python

• پیش بینی های آینده با استفاده از SARIMA Future Predictions Using SARIMA

• امتحان Quiz

• راه حل آزمون Quiz Solution

شبکه های عصبی مکرر در پیش بینی سری های زمانی Recurrent Neural Networks in Time Series Forecasting

• نمای کلی ماژول Module Overview

• پارامترهای مهم Important Parameters

• مدل های LSTM LSTM Models

• مدل های BiLSTM BiLSTM Models

• مدل های GRU GRU Models

• کم تناسب و بیش از حد Underfitting and Overfitting

• مدل برای Underfitting و Overfitting Model for Underfitting and Overfitting

• ارزیابی مدل برای عدم تناسب و اضافه برازش Model Evaluation for Underfitting and Overfitting

• آماده سازی و مقیاس بندی مجموعه داده Dataset Preparation and Scaling

• تغییر شکل مجموعه داده Dataset Reshaping

• پیاده سازی LSTM در مجموعه داده LSTM Implementation on Dataset

• پیش بینی سری های زمانی (TSF) با استفاده از LSTM Time Series Forecasting (TSF) Using LSTM

• نمودار برای TSF با استفاده از LSTM Graph for TSF Using LSTM

• تغییر پارامتر LSTM و LSTM انباشته شده LSTM Parameter Change and Stacked LSTM

• BiLSTM برای پیش بینی سری های زمانی BiLSTM for Time Series Forecasting

• امتحان Quiz

• راه حل آزمون Quiz Solution

پروژه 1: پیش‌بینی موارد مثبت COVID-19 با استفاده از الگوریتم یادگیری ماشین Project 1: COVID-19 Positive Cases Prediction Using Machine Learning Algorithm

• بررسی اجمالی پروژه Project Overview

• بررسی اجمالی مجموعه داده Dataset Overview

• همبستگی مجموعه داده Dataset Correlation

• بررسی شکل و NULL Shape and NULL Check

• شاخص مجموعه داده Dataset Index

• داده ها را تجسم کنید Visualize the Data

• قطعه زمین Area Plot

• خودهمبستگی، انحراف معیار و میانگین Autocorrelation, Standard Deviation, and Mean

• بررسی ثابت بودن Stationarity Check

• پیاده سازی ARIMA ARIMA Implementation

• پیاده سازی SARIMA SARIMA Implementation

• تغییرات در SARIMA Variations in SARIMA

پروژه 2: پیش بینی سهام شرکت مایکروسافت با استفاده از RNN Project 2: Microsoft Corporation Stock Prediction Using RNNs

• نمای کلی ماژول Module Overview

• تحلیل داده ها Data Analysis

• نمودارهای خطی تجسم داده ها Data Visualization Line Plots

• قطعه زمین Area Plots

• همبستگی خودکار، انحراف معیار و میانگین Auto Correlation, Standard Deviation, and Mean

• بررسی ثابت بودن Stationarity Check

• دستکاری داده ها برای یادگیری عمیق Data Manipulation for Deep Learning

• بخش مجموعه داده Dataset Division

• پیاده سازی LSTM و خطاها LSTM Implementation and Errors

• پیش بینی LSTM LSTM Forecasting

• پیش بینی LSTM انباشته Stacked LSTM Forecasting

• BiLSTM و Stacked BiLSTM BiLSTM and Stacked BiLSTM

پروژه 3: پیش بینی نرخ تولد با استفاده از RNN با تجزیه و تحلیل داده های پیشرفته Project 3: Birth Rate Forecasting Using RNNs with Advanced Data Analysis

• بررسی اجمالی پروژه Project Overview

• بررسی اجمالی مجموعه داده Dataset Overview

• طرح توزیع سالانه تولد و طرح نرخ تولد Yearly Birth Distribution Plot and Birth Rate Plot

• طرح توزیع ماهانه تولد و طرح نرخ زاد و ولد Monthly Birth Distribution Plot and Birth Rate Plot

• طرح توزیع روز و تاریخ عاقلانه و طرح نرخ تولد Day-Wise and Date-Wise Birth Distribution Plot and Birth Rate Plot

• طرح محدوده نرخ تولد Birth Rate Range Plot

• دستکاری داده Data Manipulation

• بررسی ثابت بودن Stationarity Check

• دستکاری برای پیش بینی Manipulation for Forecasting

• مقیاس بندی Scaling

• پیش بینی LSTM LSTM Forecasting

• LSTM و BiLSTM انباشته شده است Stacked LSTM and BiLSTM

• نتیجه گیری دوره Course Conclusion