آموزش شروع تحلیل و پیش بینی سری های زمانی با R

Beginning Time Series Analysis and Forecasting with R

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: داده های سری زمانی در هر زمینه ای یافت می شود. این دوره به شما یاد می دهد که چگونه این نوع خاص از داده ها را مدیریت کنید و چگونه مدل های پیش بینی ایجاد کنید. آیا می خواهید یک مدل سری زمانی ایجاد کنید و از آن برای پیش بینی استفاده کنید؟ تقریباً همه افرادی که در یک زمینه کمی کار می کنند باید با داده های سری زمانی کار کنند. این نوع داده ها دارای قوانین، کارکردها و تجسم های خاصی است که در این دوره آموزشی، شروع تجزیه و تحلیل سری های زمانی و پیش بینی با R، خواهید آموخت. این بدان معناست که داده‌های سری زمانی دارای یک ترتیب خاص (مهر زمانی) هستند که انواع مختلفی از تجزیه و تحلیل و مدل‌سازی را ممکن می‌سازد. در مرحله بعد، چگونگی استفاده از این مدل ها را برای ایجاد پیش بینی هایی که به طور گسترده در بسیاری از زمینه ها از مالی گرفته تا دانشگاهی یا پزشکی استفاده می شود، بررسی خواهید کرد. R ابزار مورد علاقه دانشمندان داده برای انجام تجزیه و تحلیل سری های زمانی است. با دانستن این موضوع، در نهایت به انواع بسته‌های افزودنی که به‌ویژه برای این منظور ایجاد شده‌اند، که برجسته‌ترین آن «پیش‌بینی» بسته توسط J Hyndman است، دست خواهید یافت. در پایان این دوره، شما نه تنها در مورد آمار زیربنایی سری های زمانی، بلکه در مورد مدل هایی مانند ARIMA، هموارسازی نمایی یا انواع ساده تر مدل ها نیز خواهید دانست. البته شما از این مدل ها برای ایجاد پیش بینی استفاده خواهید کرد!

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

مقدمه Introduction

  • مقدمه Intro

  • بررسی اجمالی دوره و پیش نیازها Course Overview and Prerequisites

  • پیشینه تحلیل سری های زمانی Time Series Analysis Background

  • مجموعه داده های دوره Course Datasets

  • خلاصه Summary

درک ویژگی های خاص داده های سری زمانی Understanding Specific Traits of Time Series Data

  • مقدمه Intro

  • مجموعه داده ها و تاخیرهای سری زمانی Time Series Datasets and Lags

  • نمونه طرح ها Example Plots

  • آمار پایه برای سری های زمانی Basic Statistics for Time Series

  • تجسم سری زمانی Time Series Visualization

  • ثابت بودن Stationarity

  • خودهمبستگی Autocorrelation

  • خلاصه Summary

استفاده از مدل های سری زمانی ساده Using Simple Time Series Models

  • مقدمه Intro

  • 3 مدل TS ساده 3 Simple TS Models

  • مقایسه مدل Model Comparison

  • باقیمانده های مدل Model Residuals

  • خلاصه Summary

استفاده از مدل های سری زمانی پیشرفته Using Advanced Time Series Models

  • مقدمه Intro

  • معرفی مدل های ARIMA ARIMA Models Intro

  • ARIMA در R Demo ARIMA in R Demo

  • هموارسازی نمایی با ETS Exponential Smoothing with ETS

  • خلاصه دوره Course Summary

نمایش نظرات

آموزش شروع تحلیل و پیش بینی سری های زمانی با R
جزییات دوره
2h 5m
24
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
49
4.6 از 5
دارد
دارد
دارد
Martin Burger
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Martin Burger Martin Burger

مارتین پیش از آنکه مشاور علوم داده و نویسنده شود ، آمار زیست شناسی را مطالعه کرد و در چندین شرکت دارویی کار می کرد. وی بیش از 15 دوره در زمینه R ، Tableau 9 و سایر موضوعات مرتبط با علوم داده منتشر کرد. تمرکز اصلی وی بر روی نرم افزارهای تجزیه و تحلیل مانند R و SPSS است اما به ابزارهای مدرن تجسم داده مانند Tableau نیز علاقه مند است. اگر او مشغول برنامه نویسی ، وبلاگ نویسی یا کار با مفاهیم جدید تدریس نیست ، ممکن است او را در حال اسکی یا پیاده روی در کوه های آلپ پیدا کنید.