آموزش تجزیه و تحلیل و پیش بینی سری های زمانی با پایتون

سرفصل ها و درس ها

معرفی Introduction

• محتوای دوره Course Content

• نصب Python IDE 1 Python IDE Installation 1

• نصب Python IDE 2 Python IDE Installation 2

• نصب Python IDE 3 Python IDE Installation 3

• نصب کتابخانه های مورد نیاز Installing Required Libraries

بسته های مفید Useful Packages

• کدهای منبع Source Codes

• اطلاع!! Notice!!

• NumPy 1 NumPy 1

• NumPy 2 NumPy 2

• NumPy 3 NumPy 3

• NumPy 4 NumPy 4

• شماره شماره 5 NumPy 5

• شماره شماره 6 NumPy 6

• پانداها 1 Pandas 1

• پانداها 2 Pandas 2

• پانداها 3 Pandas 3

• پانداها 4 Pandas 4

• Matplotlib 1 Matplotlib 1

• Matplotlib 2 Matplotlib 2

• Matplotlib 3 Matplotlib 3

• Matplotlib 4 Matplotlib 4

• Matplotlib 5 Matplotlib 5

پانداها برای تجزیه و تحلیل سری های زمانی Pandas for Time Series Analysis

• با Pandas یک Datetime ایجاد کنید Create a Datetime with Pandas

• Datetime را به عنوان Index تنظیم کنید Set Datetime as Index

• روش نمونه گیری مجدد Resampling Method

• فرکانس های خرما پانداها Pandas Date Frequencies

مدلهای آماری برای پیش بینی سریهای زمانی Statistical Models for Time Series Forecasting

• آشنایی با ARIMA Introduction to ARIMA

• توسعه مدل ARIMA 1 ARIMA Model Development 1

• توسعه مدل ARIMA 2 ARIMA Model Development 2

• توسعه مدل ARIMA 3 ARIMA Model Development 3

• آشنایی با SARIMAX Introduction to SARIMAX

• توسعه مدل SARIMAX 1 SARIMAX Model Development 1

• توسعه مدل SARIMAX 2 SARIMAX Model Development 2

• توسعه مدل SARIMAX 3 SARIMAX Model Development 3

یادگیری عمیق برای پیش بینی سری های زمانی Deep Learning for Time Series Forecasting

• مقدمه ای بر یادگیری عمیق - مفاهیم اساسی Introduction to Deep Learning - Basic Concepts

• مقدمه ای بر یادگیری عمیق - عملکرد فعال سازی Introduction to Deep Learning - Activation Function

• مقدمه ای بر یادگیری عمیق - شبکه عصبی چگونه یاد می گیرد؟ Introduction to Deep Learning - How Neural Network Learn?

• مقدمه ای بر یادگیری عمیق - بهینه سازی Introduction to Deep Learning - Optimization

• مقدمه ای بر یادگیری عمیق - شبکه عصبی مکرر Introduction to Deep Learning - Recurrent Neural Network

• مقدمه ای بر یادگیری عمیق - روش LSTM Introduction to Deep Learning - LSTM Method

• توسعه مدل تک متغیره LSTM 1 Development of Univariate LSTM Model 1

• توسعه مدل LSTM تک متغیره 2 Development of Univariate LSTM Model 2

• توسعه LSTM مدل تک متغیره 3 Development of Univariate LSTM Model 3

• توسعه LSTM مدل 4 متغیر 4 Development of Univariate LSTM Model 4

• توسعه LSTM مدل تک متغیره 5 Development of Univariate LSTM Model 5

• توسعه LSTM مدل تک متغیره 6 Development of Univariate LSTM Model 6

• توسعه مدل 1 LSTM چند متغیره Development of Multivariate LSTM Model 1

• توسعه مدل 2 LSTM چند متغیره Development of Multivariate LSTM Model 2

• توسعه LSTM چند متغیره مدل 3 Development of Multivariate LSTM Model 3

• توسعه LSTM چند متغیره مدل 4 Development of Multivariate LSTM Model 4

• توسعه LSTM چند متغیره مدل 5 Development of Multivariate LSTM Model 5