آموزش تحلیل و پیش‌بینی سری‌های زمانی با استفاده از R

Time Series Analysis and Forecasting using R

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: یادگیری تجزیه و تحلیل سری های زمانی، پیش بینی و تجزیه و تحلیل تجاری با دیدگاه دانشمند داده روش های پیش بینی و مراحل پیش بینی مشکلات در پیش بینی و روش های پیش بینی ساده رگرسیون ساده و چندگانه و تجزیه سری های زمانی هموارسازی نمایی و مدل های ARIMA پیش نیاز: دانش پایه در آمار ، ریاضیات، برنامه نویسی دانش پایه استفاده از R و Excel

بیاموزید که چگونه به طور موثر بر روی تجزیه و تحلیل کسب و کار کار کنید تا پاسخ سوالات کلیدی مرتبط با تجارت را بیابید. ما از ابزارهای آماری پیچیده ای مانند R و Excel برای تجزیه و تحلیل داده ها استفاده می کنیم. این آموزش یک دوره کاربردی و کمی است که به شما کمک می کند تحلیل های تجاری را از دیدگاه یک دانشمند داده یاد بگیرید. زبان آموز این دوره مرتبط ترین تکنیک های مورد استفاده در دنیای واقعی توسط تحلیلگران داده شرکت های سراسر جهان را خواهد آموخت.

آموزش شامل موارد زیر است.

  • مقدمه ای بر پیش بینی

  • مدل‌ها/روش‌های پیش‌بینی

  • مراحل پیش‌بینی

  • مشکلات در پیش بینی

  • روش های ساده پیش بینی

  • رگرسیون ساده و چندگانه

  • تجزیه سری زمانی

  • هموارسازی نمایی

  • مدل های ARIMA

  • نتیجه گیری

سری‌های زمانی در R به‌عنوان مجموعه‌ای از مقادیر تعریف می‌شوند که هر کدام با مهر زمانی مرتبط هستند که در فواصل منظم (ماهانه، روزانه) مانند پیش‌بینی آب‌وهوا و تجزیه و تحلیل فروش اندازه‌گیری می‌شوند. R داده های سری زمانی را در شی سری زمانی ذخیره می کند و با استفاده از تابع ts() به عنوان توزیع پایه ایجاد می شود.

سری‌های زمانی در R چگونه کار می‌کند؟

R یک بسته داخلی قدرتمند برای تجزیه و تحلیل سری های زمانی یا پیش بینی دارد. در اینجا یک تابع برای گرفتن عناصر مختلف در فرآیند ایجاد می کند. در نهایت، ما باید مناسب تری برای داده ها پیدا کنیم. داده های ورودی که در اینجا استفاده می کنیم مقادیر صحیح هستند. همه داده ها دارای مقادیر زمانی نیستند، اما مقادیر آنها را می توان به عنوان داده های سری زمانی ایجاد کرد. داده ها شامل مشاهدات در یک بازه زمانی منظم است. قبل از اینکه مدل شود، چندین تغییر نیاز دارد.


سرفصل ها و درس ها

معرفی Introduction

  • مقدمه ای بر پیش بینی تحلیل تجاری Introduction to Business Analytics Forecasting

شروع شدن Getting Started

  • پیش بینی چیست What is Forecasting

  • پیش بینی چیست ادامه دارد What is Forecasting Continues

  • روش های پیش بینی Methods of Forecasting

  • مراحل پیش بینی Steps of Forecasting

  • مشکلات پیش بینی Problems with Forecasting

روش های ساده پیش بینی Simple Forecasting Methods

  • روش های ساده پیش بینی Simple Forecasting Methods

  • روش ها در روش های ساده پیش بینی Methods in Simple Forecasting Methods

  • نمونه ای از روش های ساده پیش بینی Example of Simple Forecasting Methods

تحولات و تنظیمات Transformations and Adjustments

  • تحولات و تنظیمات Transformations and Adjustments

  • تبدیل ها و تنظیمات مثال Transformations and Adjustments Example

  • دقت پیش بینی Forecasting Accuracy

  • رگرسیون ساده در پیش بینی Simple Regression in Forecasting

  • رگرسیون ساده در پیش بینی ادامه دارد Simple Regression in Forecasting Continues

رگرسیون ساده و رگرسیون خطی چندگانه Simple Regression and Multiple Linear Regression

  • نمونه ای از رگرسیون ساده در پیش بینی Example of Simple Regression in Forecasting

  • رگرسیون غیر خطی Non Linear Regression

  • پیش بینی با رگرسیون Forecasting with Regression

  • رگرسیون سری زمانی Time Series Regression

  • رگرسیون سری زمانی ادامه دارد Time Series Regression Continues

  • رگرسیون خطی چندگانه Multiple Linear Regression

  • پیش بینی پیش بینی برای فرمول Predictors Forecasting for Formula

تجزیه سری زمانی Time Series Decomposition

  • تجزیه سری زمانی Time Series Decomposition

  • تجزیه سری زمانی ادامه دارد Time Series Decomposition Continues

  • پیش بینی با تجزیه Forecasting with Decomposition

  • هموارسازی نمایی در پیش بینی Exponential Smoothing in Forecasting

  • مدلسازی آریما ARIMA Modelling

مدل Model

  • مدل رگرسیون خودکار Auto Regressive Model

  • مدل میانگین متحرک Moving Average Model

  • ARIMA غیر فصلی Non Seasonal ARIMA

  • نمودار ACF و PACF در پیش بینی ACF and PACF plot in Forecasting

  • اطلاعات بیشتر در مورد مدل سازی ARIMA More on ARIMA Modelling

  • مدلسازی فصلی ARIMA Seasonal ARIMA Modelling

نمایش نظرات

نظری ارسال نشده است.

آموزش تحلیل و پیش‌بینی سری‌های زمانی با استفاده از 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
4.5 hours
32
Udemy (یودمی) udemy-small
18 آبان 1402 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
3,433
2.7 از 5
ندارد
دارد
دارد
EDU CBA

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

EDU CBA EDU CBA

مهارت های دنیای واقعی را بصورت آنلاین بیاموزید EDUCBA یک ارائه دهنده جهانی آموزش مبتنی بر مهارت است که نیازهای اعضا را در بیش از 100 کشور برطرف می کند. ما بزرگترین شرکت فناوری پیشرفته در آسیا با نمونه کارهای 5498+ دوره آنلاین ، 205+ مسیر یادگیری ، 150+ برنامه شغل محور (JOPs) و 50+ بسته دوره حرفه ای شغلی هستیم که توسط متخصصان برجسته صنعت آماده شده است. برنامه های آموزشی ما برنامه های مبتنی بر مهارت شغلی است که توسط صنعت در سراسر امور مالی ، فناوری ، تجارت ، طراحی ، داده و فناوری جدید و آینده مورد نیاز صنعت است.

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.