لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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
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.
نمایش نظرات