آموزش مدل‌های پیش‌بینی و تحلیل سری‌های زمانی برای تجارت در R

Forecasting Models & Time Series Analysis for Business in R

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
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

  • R - مجموعه آموزش و تست R - Training and Test Set

  • پارامترهای پیامبر فیس بوک Facebook Prophet parameters

  • ر - الگوی پیامبر R - Prophet Model

  • R - ضرایب رگرسیون R - Regressor Coefficients

  • ر - پیش بینی R - Forecasting

  • ر - تأثیر حوادث R - Impact of the events

  • ر - تجسم R - Visualization

  • ر - صحت پیامبر و صدور R - Prophet accuracy and export

  • فیس بوک پیامبر مزایا و معایب Facebook Prophet Pros and Cons

  • چالش پیامبر فیسبوک Facebook Prophet Challenge

  • R - راه حل های پیامبر فیس بوک قسمت 1 R - Facebook Prophet solutions part 1

  • R - راه حل های پیامبر فیس بوک قسمت 2 R - Facebook Prophet solutions part 2

فیس بوک پیامبر - تنظیم پارامتر Facebook Prophet - Parameter Tuning

  • برنامه بازی برای پیامبر فیس بوک - تنظیم پارامتر Game Plan for Facebook Prophet - Parameter Tuning

  • تنظیم پارامتر Parameter Tuning

  • اعتبار سنجی متقابل Cross-validation

  • R - آماده سازی اسکریپت R - Preparing Script

  • R - اعتبار متقاطع R - Cross-Validation

  • پارامترها برای تنظیم Parameters to Tune

  • R - شبکه پارامتر و بردار نتایج R - Parameter Grid and Results Vector

  • R - تنظیم پارامتر R - Parameter Tuning

  • R - دریافت بهترین پارامترها R - Getting the best parameters

  • مقدمه چالش Challenge Introduction

  • R - راه حل های چالش R - Challenge Solutions

  • پیش بینی در اوبر Forecasting at Uber

خودرگرسیون شبکه های عصبی - یادگیری عمیق Neural Networks AutoRegression - Deep Learning

  • طرح بازی برای شبکه های عصبی AutoTegression و Deep Learning Game Plan for Neural Networks AutoTegression and Deep Learning

  • شبکه های عصبی چیست؟ What are Neural Networks?

  • نحوه عملکرد خودرگرسیون شبکه های عصبی How Neural Networks Autoregression works

  • R - آماده سازی اسکریپت R - Preparing Script

  • R - آماده سازی مدل R - Model Preparation

  • بیش از حد برازش شبکه های عصبی Neural Networks overfitting

  • عوامل بهینه سازی شبکه های عصبی Neural Networks optimization factors

  • R - مدل شبکه های عصبی R - Neural Networks model

  • R - پیش بینی شبکه های عصبی، دقت و صادرات R - Neural Networks predictions, accuracy and export

  • جوانب مثبت و منفی شبکه های عصبی Neural Networks Pros and Cons

  • چالش شبکه های عصبی Neural Networks challenge

  • R - راه حل های شبکه های عصبی R - Neural Networks solutions

شبکه های عصبی خودکار رگرسیون و یادگیری عمیق - تنظیم پارامتر Neural Networks AutoRegression and Deep Learning - Parameter Tuning

  • برنامه بازی برای تنظیم پارامتر یادگیری عمیق برای سری زمانی Game Plan for Parameter Tuning Deep Learning for Time Series

  • پارامتر برای تنظیم Parameter to tune

  • ر - تهیه فیلمنامه R - Preparing script

  • ایجاد توالی تاریخ Generating Sequence of Dates

  • R - بردار نتایج R - Results Vector

  • R - خط لوله اعتبار سنجی متقاطع R - Cross-validation pipeline

  • R - آماده سازی تنظیم پارامتر R - Parameter Tuning preparation

  • R - تنظیم پارامتر R - Parameter Tuning

  • R - بهترین پارامترها R - Best parameters

  • معرفی چالش Challenge introduction

  • R - راه حل های چالش R - Challenge Solutions

گروه Ensemble

  • طرح بازی برای تکنیک Ensemble Game plan for the Ensemble technique

  • مکانیسم و ​​انگیزه گروه Ensemble mechanism and motivation

  • R - آماده سازی اسکریپت R - Preparing Script

  • R - پیش بینی های بارگذاری R - Loading predictions

  • ر - آماده سازی گروه R - Ensemble Preparation

  • ر - پیش بینی گروه R - Ensemble forecast

  • ر - رسم تمام پیش بینی ها و مجموعه R - Plotting all forecasts and ensemble

  • مزایا و معایب Pros and Cons

  • آینده پیش بینی The Future of Forecasting

محتوای اضافی: تجسم سری زمانی EXTRA CONTENT: Time Series Visualization

  • برنامه بازی برای تجسم سری زمانی Game Plan for Time Series Visualization

  • R - کتابخانه ها و داده های بیت کوین R - Libraries and Bitcoin data

  • R - داده ها را آماده کنید R - Prepare Data

  • ر - طرح ساده R - Simple Plot

  • R - رنگ خط را تغییر دهید R - Change Line Color

  • ر - تمرکز بر تاریخ ها R - Focusing on the Dates

  • R - متن در یک زاویه R - Text at an angle

  • ر - اضافه کردن یک رهگیری R - Adding an intercept

  • R - اضافه کردن متن و تغییر محدودیت ها R - Adding Text and Changing limits

  • ر - افزودن علامت و پیشنهاد تمرین R - Adding a mark and exercise proposal

  • ر - راه حل های تمرین R - Exercise Solutions

  • R - نمودارهای تعاملی R - Interactive Plots

بخش پاداش Bonus Section

  • سخنرانی پاداش Bonus Lecture

نمایش نظرات

نظری ارسال نشده است.

آموزش مدل‌های پیش‌بینی و تحلیل سری‌های زمانی برای تجارت در R
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
9 hours
144
Udemy (یودمی) udemy-small
11 اسفند 1401 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
1,617
4.6 از 5
دارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Diogo Alves de Resende Diogo Alves de Resende

کارشناس تحلیل و علم داده

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.