آموزش استخراج داده ها از سری های زمانی

Mining Data from Time Series

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: تجزیه و تحلیل سری های زمانی را در پایتون تسلط دارید و می توانید پیش بینی های کمی مقوی ایجاد کنید. آیا با تجزیه و تحلیل داده های سری زمانی دست و پنجه نرم می کنید یا می خواهید یک مدل پیش بینی کمی کمی در پایتون ایجاد کنید؟ در این دوره ، Mining Data from Time Series ، شما توانایی مدل سازی و پیش بینی سری های زمانی را در پایتون خواهید داشت. در ابتدا ، شما در مورد داده های سری زمانی یاد خواهید گرفت ، این داده ها در امتداد یک جدول زمانی با صفات آماری خاص برای هر مدل بسیار مهم است. سپس ، ابتدا مقدمات آماری را قبل از غواصی در مدل های سری کلاسیک ARIMA ، تجزیه فصلی و همچنین صاف سازی نمایی مشاهده خواهید کرد. سرانجام ، برخی از مفاهیم پیشرفته مانند بسته جدید Prophet از فیس بوک یا سری های زمانی چند متغیره را کشف خواهید کرد. هنگامی که با این دوره به پایان رسیدید ، مهارت و دانش تجزیه و تحلیل سری زمانی لازم برای مدل سازی و پیش بینی مجموعه داده های سری زمانی متغیر استاندارد را خواهید داشت.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

مقدمه Introduction

  • معرفی Intro

  • مدیریت انتظارات Managing Expectations

  • تحلیل سری زمانی چیست؟ What Is Time Series Analysis?

  • فریم های زمانی پیش بینی شده Forecast Time Frames

  • چرا از پایتون استفاده کنیم؟ Why Use Python?

  • مجموعه داده های دوره Course Datasets

  • اشیا Data داده های سری زمانی Time Series Data Objects

  • خلاصه Summary

آمار سری های زمانی The Statistics of Time Series

  • معرفی Intro

  • تجسم سری های زمانی Time Series Visualizations

  • ایستایی در داده های سری زمانی Stationarity in Time Series Data

  • آزمون ADF برای ثابت بودن ADF Test for Stationarity

  • همبستگی خودکار در متغیرهای سری زمانی Autocorrelation in Time Series Variables

  • نمودارهای ACF و PACF برای همبستگی خودکار ACF and PACF Plots for Autocorrelation

  • میانگین متحرک و هموار کننده Moving Averages and Smoothers

  • اجرای نرم و صاف Smoother Implementation

  • خلاصه Summary

استفاده از مدل های ARIMA در پایتون Using ARIMA Models in Python

  • معرفی Intro

  • پیشینه ARIMA ARIMA Background

  • با استفاده از تاپل Using a Tuple

  • انتخاب پارامتر دستی Manual Parameter Selection

  • باقیمانده مدل Model Residuals

  • بهبود مدل Model Improvement

  • پیش بینی براساس ARIMA Forecasting Based on ARIMA

  • خلاصه Summary

مدیریت مجموعه داده های فصلی و کار با فصلی Handling Seasonal Datasets and Working with Seasonality

  • معرفی Intro

  • تجسم داده های فصلی Visualizing Seasonal Data

  • اتوماسیون ساریما SARIMA Automation

  • SARIMA نسخه ی نمایشی SARIMA Demo

  • تجزیه فصلی Seasonal Decomposition

  • تجزیه STL STL Decomposition

  • خلاصه Summary

استفاده از مدلهای هموار کننده نمایی در پایتون Using Exponential Smoothing Models in Python

  • معرفی Intro

  • زمینه صاف کردن نمایی Exponential Smoothing Background

  • نسخه ی نمایشی: صاف کردن نمایی Demo: Exponential Smoothing

  • خلاصه Summary

آمار چند متغیره ، پیامبر و منابع دیگر Multivariate Statistics, Prophet, and Further Resources

  • معرفی Intro

  • سری های زمانی چند متغیره Multivariate Time Series

  • پیشینه پیامبر Background on Prophet

  • نسخه ی نمایشی: پیامبر Demo: Prophet

  • منابع بیشتر Further Resources

  • خلاصه دوره Course Summary

نمایش نظرات

نظری ارسال نشده است.

آموزش استخراج داده ها از سری های زمانی
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
2h 59m
43
Pluralsight (پلورال سایت) pluralsight-small
13 خرداد 1398 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
17
4.4 از 5
دارد
دارد
دارد
Martin Burger

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Martin Burger Martin Burger

مارتین پیش از آنکه مشاور علوم داده و نویسنده شود ، آمار زیست شناسی را مطالعه کرد و در چندین شرکت دارویی کار می کرد. وی بیش از 15 دوره در زمینه R ، Tableau 9 و سایر موضوعات مرتبط با علوم داده منتشر کرد. تمرکز اصلی وی بر روی نرم افزارهای تجزیه و تحلیل مانند R و SPSS است اما به ابزارهای مدرن تجسم داده مانند Tableau نیز علاقه مند است. اگر او مشغول برنامه نویسی ، وبلاگ نویسی یا کار با مفاهیم جدید تدریس نیست ، ممکن است او را در حال اسکی یا پیاده روی در کوه های آلپ پیدا کنید.

Pluralsight (پلورال سایت)

Pluralsight یکی از پرطرفدارترین پلتفرم‌های آموزش آنلاین است که به میلیون‌ها کاربر در سراسر جهان کمک می‌کند تا مهارت‌های خود را توسعه دهند و به روز رسانی کنند. این پلتفرم دوره‌های آموزشی در زمینه‌های فناوری اطلاعات، توسعه نرم‌افزار، طراحی وب، مدیریت پروژه، و موضوعات مختلف دیگر را ارائه می‌دهد.

یکی از ویژگی‌های برجسته Pluralsight، محتوای بروز و با کیفیت آموزشی آن است. این پلتفرم با همکاری با توسعه‌دهندگان و کارشناسان معتبر، دوره‌هایی را ارائه می‌دهد که با توجه به تغییرات روزافزون در صنعت فناوری، کاربران را در جریان آخرین مفاهیم و تکنولوژی‌ها نگه می‌دارد. این امر به کاربران این اطمینان را می‌دهد که دوره‌هایی که در Pluralsight می‌پذیرند، با جدیدترین دانش‌ها و تجارب به روز شده‌اند.