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 در پایتون برنامه ریزی تقاضا و پیش بینی کسب و کار پیش بینی با 6 مدل: پیامبر، ARIMA و بیشتر. از تجزیه و تحلیل سری های زمانی برای شناسایی الگوها و روندها در داده های سری زمانی در پایتون استفاده کنید. مدل های پیش بینی مناسب را برای انواع مختلف داده های سری زمانی در پایتون انتخاب کنید. توسعه مدلهای برنامهریزی و پیشبینی تقاضا با استفاده از تکنیکهای تحلیل سری زمانی در پایتون. اجرای هموارسازی نمایی Holt-Winters در پایتون برای پیش بینی سری های زمانی. پیاده سازی مدل های SARIMAX برای پیش بینی سری های زمانی در پایتون. از فیس بوک پیامبر برای پیش بینی مقادیر آینده داده های سری زمانی استفاده کنید. از سری زمانی ساختاری Tensorflow برای پیشبینی دادههای سری زمانی با استفاده از تکنیکهای یادگیری ماشین استفاده کنید. XGBoost را برای پیش بینی سری های زمانی در پایتون پیاده سازی کنید. درک مفروضات و محدودیت های مدل های مختلف پیش بینی سری های زمانی در پایتون. ارزیابی عملکرد مدل های مختلف پیش بینی سری های زمانی در پایتون. پیش نیازها: آمار پایه: رگرسیون خطی، p-value پایتون پایه مطلوب
به هیجان انگیزترین دوره آنلاین در مورد مدل های پیش بینی در پایتون خوش آمدید. من همه چیزهایی را که برای درک زمان حال و پیش بینی 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؟
بدون تمرکز بیش از حد روی ریاضی، شهود پشت مدل ها را خواهید آموخت
این 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.
ساختار دوره کامل از تاثیرگذارترین تکنیک های اقتصادی
تکنیکهای موجود در این دوره، تکنیکهایی هستند که معتقدم بیشترین تأثیرگذاری، بهروز بودن و جستجو را دارند:
Holt-Winters
TBATS
SARIMAX
سری زمانی ساختاری TensorFlow
پیامبر فیسبوک
پیامبر فیسبوک + XGBoost
رویکرد گروهی
ما پایتون را خط به خط با هم کدگذاری می کنیم
من شما را در هر مرحله از راه راهنمایی خواهم کرد. من همچنین تمام پارامترها و عملکردهایی را که باید استفاده کنید، گام به گام توضیح خواهم داد.
دلیل نهایی این است که شما تمرین می کنید، تمرین می کنید، تمرین می کنید.
برای هر الگوریتم، یک چالش وجود دارد. این بدان معناست که هر تکنیک دارای 2 مطالعه موردی است. هدف این است که بلافاصله آنچه را که آموخته اید به کار ببرید. من یک مجموعه داده و لیستی از اقداماتی را که باید برای حل آن انجام دهید به شما ارائه می دهم. من فکر می کنم این بهترین راه برای تقویت تمام تکنیک ها در شماست.
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
Course Introduction
پیوند به مطالب دوره
Link to course material
مواد درسی
Course Material
چگونه از دوره بیشتر به دست آوریم
How to get more from the course
بررسی ها و آینده دوره
Reviews and the future of the course
مقدمه ای بر پیش بینی سری های زمانی
Introduction to Time Series Forecasting
استراتژی بازی
Game Plan
چرا پیش بینی؟
Why Forecasting?
داده های سری زمانی و مطالعه موردی خلاصه
Time Series Data and Case Study Briefing
Python - تنظیم فهرست کار
Python - Set Working Directory
پایتون - وارد کردن کتابخانه ها
Python - Importing Libraries
پایتون - بارگذاری داده ها
Python - Loading Data
پایتون - تشکیل مجموعه داده
Python - Forming Data Set
پایتون - تغییر نام متغیر وابسته
Python - Renaming Dependent Variable
پایتون - فرکانس شاخص
Python - Index Frequency
پایتون - تجسم
Python - Visualization
چگونه برنامه نویسی را یاد گرفتم
How I learned to program
تجزیه فصلی سری زمانی
Time Series Seasonal Decomposition
استراتژی بازی
Game Plan
تجزیه فصلی
Seasonal Decomposition
اسکریپت را آماده کنید
Prepare Script
فصلی ضربی و افزایشی
Multiplicative and Additive seasonality
نمایش نظرات
نظری ارسال نشده است.