Beginning of dialog window. Escape will cancel and close the window.
End of dialog window.
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
در حال بارگزاری، لطفا صبر کنید...
توضیحات دوره:
تجزیه و تحلیل سری زمانی برای علم داده و تجزیه و تحلیل در برنامه نویسی R. برنامه ریزی و پیش بینی تقاضا پیامبر، ARIMA و موارد دیگر با تمرین عملی و برنامه های کاربردی دنیای واقعی، درک جامعی از مدل های پیش بینی و تحلیل سری های زمانی به دست آورید. مدلهای پیشبینی مختلف، از جمله پیامبر و آریما را برای تصمیمگیری آگاهانه کسبوکار درک کرده و به کار ببرید. از طریق تمرین عملی در R، اصول علم داده و تجزیه و تحلیل را در سناریوهای کسب و کار در دنیای واقعی اعمال کنید. مهارت در استفاده از برنامه نویسی R برای تجزیه و تحلیل سری های زمانی در تنظیمات کسب و کار را توسعه دهید. با استفاده از تکنیک های تحلیل سری های زمانی، توانایی های برنامه ریزی و پیش بینی تقاضا را بهبود بخشید. یاد بگیرید که داده های سری زمانی را تجزیه و تحلیل و تفسیر کنید تا در مورد روندها و الگوهای آینده پیش بینی کنید. از برنامه نویسی R برای ایجاد تجسم و تجسم داده ها برای درک بهتر داده های سری زمانی استفاده کنید. اهمیت مدل های پیش بینی را در عملیات تجاری و تصمیم گیری درک کنید. یاد بگیرید که مشکلات و محدودیت های رایج را در تجزیه و تحلیل سری های زمانی شناسایی و تشخیص دهید. پیش نیازها:آمار پایه مورد نیاز است پایه R مطلوب است
چند بار می خواهید آینده را پیش بینی کنید؟
به هیجانانگیزترین دوره آنلاین در مورد مدلهای پیشبینی و سریهای زمانی در R خوش آمدید. من همه چیزهایی را که برای درک حال و پیشبینی آینده نیاز دارید نشان خواهم داد.
پیشبینی همیشه جذاب است - دانستن اینکه چه اتفاقی میافتد معمولاً آروارهها را از بین میبرد و تحسین برانگیز است. در بالا، در دنیای کسب و کار اساسی است. شرکت ها همیشه رشد درآمد و برآورد EBIT را ارائه می دهند که بر اساس پیش بینی ها است. چه کسی آنها را انجام می دهد؟ خوب، ممکن است شما باشید!
چرا باید در این دوره ثبت نام کنید؟
1 | شما شهود پشت مدل های سری زمانی را بدون تمرکز بیش از حد بر روی ریاضیات خواهید آموخت
مهم است که بدانید چرا یک مدل منطقی است و مفروضات اساسی پشت آن وجود دارد. من هر مدل را با استفاده از کلمات، نمودارها و استعاره ها برای شما توضیح می دهم و ریاضی و الفبای یونانی را به حداقل می رسانم.
2 | ساختار دوره کامل تاثیرگذارترین تکنیکهای مدل پیشبینی سریهای زمانی
تکنیکهای موجود در این دوره، تکنیکهایی هستند که من معتقدم تاثیرگذارترین، بهروزترین و مورد توجهتر خواهند بود:
Holt-Winters
ساریمکس
پیامبر فیسبوک
رگرسیون خودکار شبکه های عصبی
رویکرد گروهی
3 | ما خط به خط با هم کد می کنیم
من شما را در هر مرحله از سفرتان برای تسلط بر سری های زمانی و مدل های پیش بینی راهنمایی می کنم. من همچنین تمام پارامترها و عملکردهایی را که باید استفاده کنید، گام به گام توضیح خواهم داد.
4 | آنچه را که یاد می گیرید فوراً اعمال می کنید
در پایان هر بخش در مورد تکنیکهای پیشبینی، تمرینی به شما نشان داده میشود تا فوراً آموختههایتان را به کار بگیرید. اگر شما مدیریت نمی کنید؟ نگران نباش! همچنین خط به خط راه حل ها را با هم کد می کنیم. چالشها از پیشبینی علاقه به Churrasco (BBQ برزیل) گرفته تا بازدیدکنندگان ویکیپدیا Udemy.
آیا من علاقه شما را افزایش دادم؟ به من بپیوندید و یاد بگیرید که چگونه آینده را پیش بینی کنید!
سرفصل ها و درس ها
معرفی
Introduction
معرفی دوره
Introduction to the course
لینک مطالب دوره
Course material link
ارائه مطالب درسی
Course Material presentation
نصب R و RStudio
Installing R and RStudio
دریافت بیشتر از دوره
Getting more from the course
بررسی ها و آینده این دوره
Reviews and future of this course
مقدمه ای بر پیش بینی
Introduction to Forecasting
برنامه بازی برای این بخش
Game Plan for this section
چرا پیش بینی؟
Why Forecasting?
داده های سری زمانی چیست؟
What is Time Series data?
خلاصه مطالعه موردی
Case study briefing
ر - کتابخانه ها
R - Libraries
R - بارگذاری داده ها
R - Loading data
R - متغیر تاریخ تبدیل
R - Transform Date variable
R - انتخاب متغیر
R - Variable Selection
R - تغییر نام متغیرها
R - Renaming variables
ر - تجسم
R - Visualization
داستان دیوگو: چگونه برنامه نویسی را در R و Python یاد گرفتم
Diogo's story: How I Learned to Program in R and Python
تجزیه فصلی
Seasonal Decomposition
طرح بازی برای تجزیه فصلی
Game Plan for Seasonal Decomposition
تجزیه فصلی
Seasonal Decomposition
R - آماده سازی اسکریپت
R - Preparing Script
R - تبدیل سری زمانی
R - Time Series Transformation
ر - طرح فصلی
R - Seasonality Plot
افزایشی در مقابل ضربی
Additive vs. Multiplicative
ر - تجزیه افزودنی
R - Additive Decomposition
ر - تمرین: تجزیه ضربی
R - Exercise: multiplicative decomposition
مدل سازی خطا و داده های سهام
Error Modelling and Stock Data
هموارسازی نمایی و زمستان های داغ
Exponential Smoothing and Holt-Winters
برنامه بازی برای هموارسازی نمایی و زمستان های داغ
Game Plan for Exponential Smoothing and Holt-Winters
هموارسازی نمایی و زمستان های داغ
Exponential Smoothing and Holt-Winters
خلاصه مطالعه موردی
Case Study Briefing
R - کتابخانه ها و داده ها
R - Libraries and Data
R - تبدیل سری زمانی
R - Time Series Transformation
R - ترسیم سری زمانی
R - Time Series Plotting
مجموعه آموزشی و تستی
Training and test set
ر - مجموعه آموزشی و تستی
R - Training and test set
R - مدل Holt-Winters
R - Holt-Winters model
R - پیش بینی ها و ترسیم هالت-وینترز
R - Holt-Winters predictions and plotting
KPIهای دقت
Accuracy KPIs
R - ارزیابی دقت Holt-Winters
R - Holt-Winters' accuracy assessment
مزایا و معایب Holt-Winters
Holt-Winters Pros and Cons
چالش زمستانی Holt-Winters
Holt-Winters Challenge
R - محلول Holt-Winters
R - Holt-Winters solution
داستان دیوگو: مدیریت سهامداران
Diogo's story: Stakeholder Management
پیش بینی محصول
Forecasting Product
انگیزه ساخت یک محصول پیش بینی
Motivation to build a Forecasting Product
ARIMA، SARIMA، و SARIMAX
ARIMA, SARIMA, and SARIMAX
طرح بازی برای ساخت مدل SARIMAX
Game Plan to build the SARIMAX model
آریما
ARIMA
R - آماده سازی اسکریپت
R - Preparing Script
R - مجموعه آموزش و تست
R - Training and Test Set
R - شی سری زمانی
R - Time Series Object
همبستگی پیرسون
Pearson Correlation
نمودارهای همبستگی خودکار
Auto-correlation Plots
R - نمودارهای همبستگی خودکار
R - Auto-correlation plots
جزء خود رگرسیون
Autoregressive component
مفاهیم یکپارچه و ثابت
Integrated and Stationarity concepts
ر - ایستایی
R - Stationarity
مولفه میانگین متحرک
Moving Average Component
بهینه سازی فاکتور ARIMA
ARIMA Factor Optimization
AIC و BIC
AIC & BIC
SARIMAX
SARIMAX
ر - رگرسیورهای جداکننده
R - Isolating regressors
R - مدل SARIMAX
R - SARIMAX model
R - پیش بینی، ترسیم و دقت SARIMAX
R - SARIMAX predictions, plotting, and accuracy
R - پیش بینی های صادراتی
R - Exporting Forecasts
مزایا و معایب SARIMAX
SARIMAX Pros and Cons
اگر فرکانس روی 365 تنظیم شود چه؟
What if the frequency is set to 365?
معرفی چالش SARIMAX
SARIMAX challenge introduction
R - راه حل های چالش SARIMAX
R - SARIMAX challenge solutions
نکته دیوگو: انتخاب پسرونده
Diogo's tip: choosing regressors
پیامبر فیس بوک
Facebook Prophet
برنامه بازی برای پیامبر فیس بوک
Game Plan for Facebook Prophet
سری زمانی ساختاری
Structural Time Series
پیامبر فیس بوک
Facebook Prophet
R - آماده سازی اسکریپت
R - Preparing Script
تعطیلات
Holidays
R - تعطیلات قسمت 1
R - Holidays part 1
R - تعطیلات قسمت 2
R - Holidays part 2
R - ادغام Data Frame Holiday
R - Prophet Holiday Dataframe Merge
نمایش نظرات