آموزش تحلیل و پیش‌بینی سری زمانی کاربردی با پروژه‌های R

Applied Time Series Analysis and Forecasting with R Projects

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: از R برای کار بر روی نمونه‌های تحلیل و پیش‌بینی سری‌های زمانی دنیای واقعی استفاده کنید. علم داده کاربردی با R. انجام وظایف تجزیه و تحلیل سری های زمانی استاندارد دریافت ARIMA و مدل های هموارسازی نمایی در R انجام پیش بینی در R کار با سری های زمانی نامنظم مدل سری های زمانی با روند و فصلی خراش داده های موجودی از Yahoo finance واردات انواع مختلف داده های سری زمانی استفاده از انتخاب خودکار مدل در R انتخاب بهترین بسته ها برای تجزیه و تحلیل سری های زمانی در R پیش نیازها: شما به R/RStudio در رایانه خود نیاز دارید (افزودن روی بسته ها مشخص خواهد شد) مهارت های پایه R مورد نیاز است مهارت های آمار پایه مفید خواهد بود

به دنیای R و تجزیه و تحلیل سری های زمانی خوش آمدید!

در حال حاضر R نرم افزار منبع باز پیشرو برای تحلیل و پیش بینی سری های زمانی است. هیچ ابزار دیگری، حتی پایتون، به عملکردها و ویژگی‌های موجود در R نزدیک نیست. مواردی مانند هموارسازی نمایی، مدل‌های ARIMA، اعتبارسنجی متقاطع سری‌های زمانی، مدیریت داده‌های از دست رفته، تجسم‌ها و پیش‌بینی‌ها به راحتی در R و بسته‌های افزودنی آن قابل دسترسی هستند. بنابراین R انتخاب مناسبی برای تحلیل سری های زمانی است و این دوره به شما فرصتی برای آموزش و تمرین آن می دهد.

پس ساختار دوره چگونه است؟

این یک دوره آموزشی با 3 پروژه مجزا برای حل است! هر پروژه دارای یک موضوع اصلی و یک موضوع فرعی است. هر دو در داده های دنیای واقعی مورد بحث قرار می گیرند. در پروژه اول شما با داده‌های پرطرفدار کار می‌کنید و به عنوان یک موضوع فرعی، نحوه ایجاد تجسم سری‌های زمانی استاندارد و ggplot2 را یاد می‌گیرید. مجموعه داده برای آن پروژه یک مجموعه داده نرخ اشتغال خواهد بود.

دومین پروژه با نرخ‌های تورم ماهانه آلمان در 10 سال گذشته نحوه مدل‌سازی مجموعه داده‌های فصلی را نشان می‌دهد. و همچنین مدل ها را با اعتبارسنجی متقاطع سری زمانی مقایسه خواهید کرد.

در پروژه سوم شما R را به یاهو فاینانس وصل می‌کنید و داده‌های سهام را پاک می‌کنید. داده های به دست آمده نیاز به بارهای پیش پردازش و تمیز کردن از جمله داده های گمشده دارند. هنگامی که داده ها را آماده کردیم، بررسی خواهیم کرد که کدام روز هفته برای خرید و فروش سهام Novartis بهترین است.

برای اینکه بتوانید آن را دنبال کنید باید مقداری R بدانید. به عنوان مثال مقدمه ای بر تحلیل سری های زمانی و دوره پیش بینی وجود دارد. آن دوره بیشتر یک راهنمای گام به گام است در حالی که این دوره کاربردی و مبتنی بر پروژه است. هر دو دوره را می توان به تنهایی گذراند یا شما به هر دو نگاهی بیندازید و موضوع را از 2 زاویه مختلف یاد بگیرید.

مثل همیشه اسکریپت دوره را به صورت فایل متنی دریافت خواهید کرد. مطمئناً همه مزایای استاندارد Udemy مانند 30 روز ضمانت بازگشت پول، دسترسی مادام‌العمر، پشتیبانی مربی و گواهی برای CV خود را دریافت می‌کنید.


سرفصل ها و درس ها

معرفی دوره Course Introduction

  • توابع اصلی R در تحلیل سری زمانی Main R Functions in Time Series Analysis

  • منابع پشتیبانی Supporting Resources

  • لیست لینک دوره Course Link List

معرفی دوره Course Introduction

  • معرفی Introduction

  • معرفی Introduction

  • مدیریت انتظارات Managing Expectations

  • مدیریت انتظارات Managing Expectations

  • توابع اصلی R در تحلیل سری زمانی Main R Functions in Time Series Analysis

  • منابع پشتیبانی Supporting Resources

  • لیست لینک دوره Course Link List

داده های روند پروژه I: نرخ مشارکت نیروی کار سنگاپور Project I Trending Data: Singapur Labor Force Participation Rate

  • وارد کردن داده ها Importing The Data

  • بیانیه ماموریت Mission Statement

  • مدل روند خطی Holt The Holt Linear Trend Model

  • مدل آریما The ARIMA Model

  • نمودار مقایسه با 'Ggplot2' Comparison Plot with 'Ggplot2'

داده های روند پروژه I: نرخ مشارکت نیروی کار سنگاپور Project I Trending Data: Singapur Labor Force Participation Rate

  • وارد کردن داده ها Importing The Data

  • بیانیه ماموریت Mission Statement

  • اسکریپت پروژه I Project I Script

  • اسکریپت پروژه I Project I Script

  • خانواده مدل های هموارسازی نمایی The Exponential Smoothing Family of Models

  • خانواده مدل های هموارسازی نمایی The Exponential Smoothing Family of Models

  • مدل روند خطی Holt The Holt Linear Trend Model

  • مدل آریما The ARIMA Model

  • نمودار مقایسه با 'Ggplot2' Comparison Plot with 'Ggplot2'

  • تمرین پاداش: پیش‌بینی‌های درون نمونه در مقابل داده‌های واقعی Bonus Exercise: In-Sample Forecasts vs Actual Data

  • تمرین پاداش: پیش‌بینی‌های درون نمونه در مقابل داده‌های واقعی Bonus Exercise: In-Sample Forecasts vs Actual Data

داده های فصلی پروژه دوم: نرخ تورم ماهانه آلمان Project II Seasonal Data: Monthly Inflation Rates of Germany

  • وارد کردن داده ها Importing The Data

  • بیانیه ماموریت Mission Statement

  • اسکریپت پروژه دوم Project II Script

  • تجزیه فصلی Seasonal Decomposition

  • ARIMA فصلی Seasonal ARIMA

  • هموارسازی نمایی با ETS Exponential Smoothing with ETS

  • اعتبارسنجی متقاطع سری زمانی Time Series Cross Validation

داده های فصلی پروژه دوم: نرخ تورم ماهانه آلمان Project II Seasonal Data: Monthly Inflation Rates of Germany

  • آشنایی با داده ها Getting Familiar with The Data

  • آشنایی با داده ها Getting Familiar with The Data

  • وارد کردن داده ها Importing The Data

  • بیانیه ماموریت Mission Statement

  • اسکریپت پروژه دوم Project II Script

  • تجزیه فصلی Seasonal Decomposition

  • ARIMA فصلی Seasonal ARIMA

  • هموارسازی نمایی با ETS Exponential Smoothing with ETS

  • اعتبارسنجی متقاطع سری زمانی Time Series Cross Validation

پروژه III داده های با فاصله نامنظم: تجزیه و تحلیل سهام بیوتکنولوژی Project III Irregularly Spaced Data: Analyze A Biotech Stock

  • خراش دادن داده ها از Yahoo Finance Scraping the Data From Yahoo Finance

  • کاوش در داده ها Exploring the Data

  • گرفتن یک سری زمانی معمولی Getting a Regular Time Series

پروژه III داده های با فاصله نامنظم: تجزیه و تحلیل سهام بیوتکنولوژی Project III Irregularly Spaced Data: Analyze A Biotech Stock

  • بیانیه ماموریت Mission Statement

  • خراش دادن داده ها از Yahoo Finance Scraping the Data From Yahoo Finance

  • کاوش در داده ها Exploring the Data

  • اسکریپت پروژه سوم Project III Script

  • اسکریپت پروژه سوم Project III Script

  • گرفتن یک سری زمانی معمولی Getting a Regular Time Series

  • تجزیه و تحلیل بصری داده ها Visually Analyzing the Data

  • تجزیه و تحلیل بصری داده ها Visually Analyzing the Data

پروژه چهارم شبکه های عصبی: شبکه های عصبی و نمودارهای تعاملی Project IV Neural Networks: Neural Nets and Interactive Graphs

  • بیانیه ماموریت Mission Statement

  • آشنایی با مجموعه داده Getting Familiar with the Dataset

  • نظافت با tidyr Cleaning with tidyr

  • خلاصه دوره و گزینه های بیشتر Course Summary and Further Options

پروژه چهارم شبکه های عصبی: شبکه های عصبی و نمودارهای تعاملی Project IV Neural Networks: Neural Nets and Interactive Graphs

  • بیانیه ماموریت Mission Statement

  • بیانیه ماموریت Mission Statement

  • آشنایی با مجموعه داده Getting Familiar with the Dataset

  • اسکریپت پروژه چهارم Project IV Script

  • اسکریپت پروژه چهارم Project IV Script

  • نظافت با tidyr Cleaning with tidyr

  • برازش مدل شبکه عصبی Fitting the Neural Net Model

  • برازش مدل شبکه عصبی Fitting the Neural Net Model

  • نمودار تعاملی با Dygraphs Interactive Graph with Dygraphs

  • نمودار تعاملی با Dygraphs Interactive Graph with Dygraphs

  • خلاصه دوره و گزینه های بیشتر Course Summary and Further Options

نمایش نظرات

آموزش تحلیل و پیش‌بینی سری زمانی کاربردی با پروژه‌های R
جزییات دوره
3.5 hours
34
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
4,698
4.6 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

R-Tutorials Training R-Tutorials Training

R-Tutorials Data Science Education ارائه دهنده انتخاب شما در زمینه دوره های آموزشی تجزیه و تحلیل است! آن را امتحان کنید - 100000+ دانش آموز ما آن را دوست دارند. ما بر روی آموزشهای Science Data تمرکز می کنیم. با ارائه چندین دوره R برای هر سطح مهارت ، ما از بهترین ارائه دهندگان آموزش R Udemy هستیم. در بالای این دوره ها در Tableau ، Excel و یک راهنمای شغلی Data Science در دسترس است. همه دوره های ما شامل تمریناتی است که به شما این فرصت را می دهد تا بتوانید مطالب را به تنهایی امتحان کنید. همچنین برای مرور مجدد دروس ، pdf اسکریپت قابل بارگیری دریافت خواهید کرد. این دوره ها توسط مربی اصلی ما مارتین آموزش داده می شود - متخصص آمار و دانشمند مشتاق داده اطلاعات / کاربر تحقیق. در صورت داشتن هر گونه سوال ، از شما دعوت می شود وب سایت ما را بررسی کنید ، می توانید در این دوره بحث کنید یا می توانید یک بعد از ظهر ما را رها کنید. ما اینجا هستیم تا با آموزش تجزیه و تحلیل به شما کمک کنیم حرفه خود را تقویت کنید - فقط یاد بگیرید و لذت ببرید.