آموزش بوت کمپ کامل تجزیه و تحلیل داده های سری زمانی در R

سرفصل ها و درس ها

مقدمه دوره: مفاهیم کلیدی و ابزار نرم افزار INTRODUCTION TO THE COURSE: The Key Concepts and Software Tools

• مقدمه دوره Introduction to the Course

• داده ها و اسکریپت های دوره Data and Scripts For the Course

• نصب R and R Studio Installing R and R Studio

• در داده های CSV و Excel بخوانید Read in CSV & Excel Data

• مقادیر از دست رفته را حذف کنید Remove Missing Values

• پاکسازی اطلاعات بیشتر More Data Cleaning

• تجزیه و تحلیل داده های اکتشافی (EDA): تجسم های اساسی با R Exploratory Data Analysis(EDA): Basic Visualizations with R

با داده های سری زمانی شروع کنید Start With Time Series Data

• با خرما در R کار می کند Works With Dates in R

• پیش پردازش داده ها با Times Pre-Processing Data With Times

• تجسم داده های زمانی در R Visualize Temporal Data in R

• اجزای داده های سری زمانی Components of Time Series Data

• میانگین متحرک (MA) برای تجسم یک روند/الگو Moving Averages (MA) For Visualizing a Trend/Pattern

• تشخیص روند مهم Detecting Significant Trend

• راه های دیگر شناسایی روند در داده های سری زمانی Other Ways Of Identifying Trend in Time Series Data

• تجسم داده های زمانی ماهانه Visualize Monthly Temporal Data

• رفتار چرخه ای را با تبدیل فوریه شناسایی کنید Identify Cyclical Behavior with Fourier Transforms

• تجزیه STL STL Decomposition

• با فصلی کار کنید Work With Seasonality

پیش شرط های مهم مدل سازی سری های زمانی Important Pre-Conditions of Time Series Modelling

• آیا سری زمانی من ثابت است؟ Is My Time Series Stationary?

• تفاوت: یک سری زمانی غیر ثابت را ثابت کنید Differencing: Make A Non-Stationary Time Series Stationary

• میانگین و واریانس را ثابت کنید Make the Mean & Variance Constant

• تفاوت فصلی Seasonal Differencing

• کاهش روند سری های زمانی با رگرسیون خطی Detrending Time Series With Linear Regression

• کاهش روند سری های زمانی با تفریق میانگین Detrending Time Series With Mean Subtraction

پیش بینی بر اساس سری زمانی Time Series Based Forecasting

• هموارسازی نمایی ساده برای پیش بینی های کوتاه مدت Simple Exponential Smoothing for Short Term Forecasts

• سایر تکنیک های پیش بینی اولیه Other Basic Forecasting Techniques

• میانگین متحرک (MA) برای پیش بینی Moving Averages (MA) For Forecasting

• میانگین متحرک ساده Simple Moving Average

• خطوط تتا برای پیش بینی Theta Lines For Forecasting

• پیش بینی در پرواز Forecasting On the Fly

• رگرسیون خطی برای پیش بینی مقادیر به عنوان تابعی از زمان Linear Regression For Predicting Values As a Function of Time

• رگرسیون خطی برای پیش بینی با روند و فصلی Linear Regression For Forecasting With Trend & Seasonality

• تاخیر Lags

• تاخیرهای هفتگی Weekly Lags

• رگرسیون تاخیری Lagged Regression

• نصب و پیش بینی خودکار مدل ARIMA Automatic ARIMA Model Fitting and Forecasting

• ARIMA خودکار با داده های واقعی Automatic ARIMA With Real Life Data

• ARIMA با شرایط فوریه ARIMA With Fourier Terms

• خفاش برای پیش بینی BATS For Forecasting

تکنیک های یادگیری ماشین برای داده های سری زمانی Machine Learning Techniques For Time Series Data

• رگرسیون خطی با "Timetk" Linear Regression With "timetk"

• رگرسیون خطی بر روی داده های واقعی Linear Regression On Real Data

• مدل‌های رگرسیون یادگیری ماشین برای داده‌های غیرپارامتری برای پیش‌بینی Machine Learning Regression Models for Non-Parametric Data For Forecasting

• XGBoost برای پیش‌بینی سری‌های زمانی XGBoost For Time Series Forecasting

• نظریه پشت ANN (شبکه عصبی مصنوعی) و DNN (شبکه های عصبی عمیق) Theory Behind ANN (Artificial Neural Network) and DNN (Deep Neural Networks)

• شبکه عصبی برای پیش بینی Neural Network for Forecasting

• RNN با داده های زمانی RNNs With Temporal Data

• ارزیابی عملکرد یک مدل RNN Evaluate the Performance of an RNN Model

تشخیص تغییرات ناگهانی/رویدادهای مهم Detecting Sudden Changes/Major Events

• تشخیص یک ناهنجاری در داده های سری زمانی Detect An Anomaly in Time Series Data

• Breaks For Additive Season and Trend (BFAST) برای سری های زمانی در R Breaks For Additive Season and Trend (BFAST) For Time Series in R

• تشخیص تغییر ساختاری Structural Change Detection

• تغییرات ساختاری در رژیم فارکس Structural Changes in Forex Regime

سخنرانی های متفرقه Miscellaneous Lectures

• Github Github

• از R Within Colab استفاده کنید Use R Within Colab