تجزیه و تحلیل و پیش بینی سری های زمانی با GPT-4o

Time Series Analysis and Forecasting with GPT-4o

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:

یکی از نکات برجسته این دوره این است که نیازی به کدنویسی نیست. اکنون، می‌توانید با استفاده از زبان انسان با GPT-4o برای تجزیه و تحلیل، پیش‌بینی و تجسم داده‌های سری زمانی ارتباط برقرار کنید. با موارد ضروری در مورد آنچه می توان پیش بینی کرد شروع کنید و به اجزای داده های سری زمانی مانند روندها، فصلی بودن، چرخه ها و نویز عمیق بروید. تجزیه داده ها را با استفاده از روش های افزایشی، ضربی و STL بیاموزید.

نحوه تجزیه و تحلیل سری های زمانی با نمودارهای همبستگی و خود همبستگی جزئی، ارزیابی ایستایی با استفاده از آزمون ADF و تبدیل داده های غیر ثابت را کشف کنید. به مدل سازی پیش بینی با ARIMA و مدل های هموارسازی نمایی، تسلط بر تنظیم هایپرپارامتر و انتخاب مدل پیشرفت کنید. در پایان این دوره، شما مجهز به پیش بینی فردا و آماده شدن برای آینده با اطمینان خواهید بود.


سرفصل ها و درس ها

مقدمه Introduction

  • GPT-4o را به عنوان پیش بینی کننده خود استخدام کنید Hire GPT-4o as your forecaster

  • تاریخچه انسان پیش بینی Human history of forecasting

1. مبانی پیش بینی سری های زمانی 1. Fundamentals of Time Series Forecasting

  • ملزومات پیش بینی سری های زمانی Essentials of time series forecasting

  • روندها، فصلی بودن، چرخه ها و اجزای نویز در داده های سری زمانی Trends, seasonality, cycles, and noise components in time-series data

  • تجزیه افزایشی، تجزیه ضربی و تجزیه STL Additive decomposition, multiplicative decomposition, and STL decomposition

2. تکنیک های تحلیل سری زمانی 2. Time Series Analysis Techniques

  • با استفاده از تفاضل، غیر ایستایی را به ایستایی تبدیل کنید Transform non-stationarity to stationarity using differencing

  • با تست ADF به ایستایی در مقابل غیر ایستایی دسترسی پیدا کنید Access stationarity vs. non-stationarity by ADF test

  • برای تجزیه و تحلیل سری های زمانی از نمودارهای خودهمبستگی و خودهمبستگی جزئی استفاده کنید Use autocorrelation and partial autocorrelation plots for time series analysis

3. مدل سازی و ارائه پیش بینی 3. Predictive Modeling and Presentation

  • نحوه انتخاب بهترین مدل ETS How to select the best ETS model

  • پیش بینی با مدل هموارسازی نمایی Predicting with exponential smoothing model

  • ایجاد پاورپوینت های موثر Creating effective PowerPoint presentations

  • پیش بینی سری زمانی با ARIMA Time-series forecasting with ARIMA

  • انتخاب فراپارامتر برای ARIMA Hyperparameter selection for ARIMA

نتیجه گیری Conclusion

  • فردا را پیش بینی کنید تا برای آینده آماده شوید Predict tomorrow to prepare for the future

نمایش نظرات

تجزیه و تحلیل و پیش بینی سری های زمانی با GPT-4o
جزییات دوره
0h 38m
14
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
1,298
- از 5
دارد
دارد
دارد
Alina Zhang
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Alina Zhang Alina Zhang

دانشمند ارشد داده، نویسنده فناوری

آلینا ژانگ یک دانشمند ارشد داده، نویسنده فناوری، و کارآفرین است.

آلینا یک دانشمند ارشد داده، نویسنده فناوری، و کارآفرین، تسلط خود را به عنوان یک مربی آموزش لینکدین و وبلاگ نویس فناوری هوش مصنوعی برجسته می کند. آلینا که دارای مدرک کارشناسی ارشد در علوم کامپیوتر است، ماموریت دارد از طریق هوش مصنوعی به بشریت خدمت کند. او چشم اندازی برای آینده ای مبتنی بر فناوری دارد. مهارت‌های فنی و کارآفرینی گسترده او، با تجربه یک دهه او در پردازش زبان طبیعی و هوش مصنوعی مولد، انگیزه او را تقویت می‌کند.