آموزش رویکردی کاربردی برای پیش‌بینی سری‌های زمانی با استفاده از پایتون - آخرین آپدیت

مقدمه Introduction

• آشنایی با پیش‌بینی سری‌های زمانی Introduction to Time Series Forecast

• معرفی مدرس Introduction to Instructor

• معرفی دوره Course Introduction

انگیزه و نمای کلی تحلیل سری‌های زمانی Motivation and Overview of Time Series Analysis

• مقدمه‌ای بر پیش‌بینی سری‌های زمانی Introduction to Time Series Forecasting

• ویژگی‌های سری‌های زمانی Features of Time Series

• انواع داده‌های سری زمانی Types of Time Series Data

• مراحل پیش‌بینی سری‌های زمانی Stages for Time Series Forecasting

• دستکاری داده‌ها در سری‌های زمانی Data Manipulation in Time Series

• پردازش داده‌ها برای پیش‌بینی سری‌های زمانی Data Processing for Time Series Forecasting

• پیش‌بینی با یادگیری ماشین Machine Learning Forecasting

• پیش‌بینی با RNN RNN Forecasting

• پروژه‌های مورد بررسی Projects to Be Covered

مبانی دستکاری داده‌ها در سری‌های زمانی Basics of Data Manipulation in Time Series

• نمای کلی ماژول Module Overview

• پکیج‌های مورد نیاز برای اجرای بدون خطای کدها Packages Required to Execute Codes Error-Free

• مروری بر ترسیمات پایه و بصری‌سازی Overview of Basic Plotting and Visualization

• مروری بر پارامترهای سری‌های زمانی Overview of Time Series Parameters

• نصب وابستگی‌ها و بررسی مجموعه‌داده Dependencies Installation and Dataset Overview

• دستکاری داده‌ها در پایتون Data Manipulation in Python

• برش و ایندکس‌گذاری داده‌ها Data Slicing and Indexing

• بصری‌سازی پایه با تک ویژگی سری زمانی Basic Data Visualization with Single Time Series Feature

• بصری‌سازی داده‌ها با چندین ویژگی سری زمانی Data Visualization with Multiple Time Series Features

• بصری‌سازی داده‌ها با انتخاب ویژگی‌های سفارشی Data Visualization with Customized Features Selection

• نمودارهای ناحیه‌ای (Area Plots) در تحلیل داده‌ها Area Plots in Data Analysis

• هیستوگرام با تک ویژگی Histogram with Single Feature

• هیستوگرام با چندین ویژگی Histogram Multiple Features

• نمودارهای دایره‌ای Pie Charts

• پارامترهای سری زمانی Time Series Parameters

• ویدیوی کوییز Quiz Video

• پاسخ کوییز Quiz Solution

پردازش داده‌ها برای پیش‌بینی سری‌های زمانی Data Processing for Timeseries Forecasting

• نمای کلی ماژول Module Overview

• اهمیت مجموعه‌داده Dataset Significance

• بررسی مجموعه‌داده Dataset Overview

• دستکاری مجموعه‌داده Dataset Manipulation

• پیش‌پردازش داده‌ها Data Pre-Processing

• مدل‌های RVT RVT Models

• تجزیه خودکار سری‌های زمانی Automatic Time Series Decomposition

• روند (Trend) با استفاده از فیلتر میانگین متحرک Trend Using Moving Average Filter

• مقایسه فصلی بودن (Seasonality) Seasonality Comparison

• بازنمونه‌برداری (Resampling) Resampling

• نویز در سری‌های زمانی Noise in Time Series

• مهندسی ویژگی‌ها Feature Engineering

• ایستایی (Stationarity) در سری‌های زمانی Stationarity in Time Series

• مدیریت عدم ایستایی در سری‌های زمانی Handling Non-Stationarity in Time Series

• کوییز Quiz

• پاسخ کوییز Quiz Solution

یادگیری ماشین در پیش‌بینی سری‌های زمانی Machine Learning in Time Series Forecasting

• نمای کلی بخش Section Overview

• آماده‌سازی داده‌ها Data Preparation

• همبستگی خودکار و همبستگی جزئی Auto Correlation and Partial Correlation

• تقسیم‌بندی داده‌ها Data Splitting

• خودرگرسیون (Autoregression) Autoregression

• خودرگرسیون در پایتون Autoregression in Python

• میانگین متحرک و ARMA Moving Average and ARMA

• مدل ARIMA ARIMA

• مدل ARIMA در پایتون ARIMA in Python

• مدل Auto ARIMA در پایتون Auto ARIMA in Python

• مدل SARIMA SARIMA

• مدل SARIMA در پایتون SARIMA in Python

• مدل Auto SARIMA در پایتون Auto SARIMA in Python

• پیش‌بینی‌های آینده با استفاده از SARIMA Future Predictions Using SARIMA

• کوییز Quiz

• پاسخ کوییز Quiz Solution

شبکه‌های عصبی بازگشتی در پیش‌بینی سری‌های زمانی Recurrent Neural Networks in Time Series Forecasting

• نمای کلی ماژول Module Overview

• پارامترهای مهم Important Parameters

• مدل‌های LSTM LSTM Models

• مدل‌های BiLSTM BiLSTM Models

• مدل‌های GRU GRU Models

• بیش‌برازش (Overfitting) و کم‌برازش (Underfitting) Underfitting and Overfitting

• مدل برای کم‌برازش و بیش‌برازش Model for Underfitting and Overfitting

• ارزیابی مدل برای کم‌برازش و بیش‌برازش Model Evaluation for Underfitting and Overfitting

• آماده‌سازی و مقیاس‌بندی مجموعه‌داده Dataset Preparation and Scaling

• تغییر شکل (Reshaping) مجموعه‌داده Dataset Reshaping

• پیاده‌سازی LSTM روی مجموعه‌داده LSTM Implementation on Dataset

• پیش‌بینی سری‌های زمانی (TSF) با LSTM Time Series Forecasting (TSF) Using LSTM

• رسم نمودار برای TSF با استفاده از LSTM Graph for TSF Using LSTM

• تغییر پارامتر LSTM و مدل Stacked LSTM LSTM Parameter Change and Stacked LSTM

• مدل BiLSTM برای پیش‌بینی سری‌های زمانی BiLSTM for Time Series Forecasting

• کوییز Quiz

• پاسخ کوییز Quiz Solution

پروژه اول: پیش‌بینی موارد مثبت کووید-۱۹ با استفاده از الگوریتم یادگیری ماشین Project 1: COVID-19 Positive Cases Prediction Using Machine Learning Algorithm

• نمای کلی پروژه Project Overview

• بررسی مجموعه‌داده Dataset Overview

• همبستگی مجموعه‌داده Dataset Correlation

• بررسی ابعاد و مقادیر تهی (NULL) Shape and NULL Check

• ایندکس مجموعه‌داده Dataset Index

• بصری‌سازی داده‌ها Visualize the Data

• نمودار ناحیه‌ای Area Plot

• همبستگی خودکار، انحراف معیار و میانگین Autocorrelation, Standard Deviation, and Mean

• بررسی ایستایی Stationarity Check

• پیاده‌سازی ARIMA ARIMA Implementation

• پیاده‌سازی SARIMA SARIMA Implementation

• تغییرات در SARIMA Variations in SARIMA

پروژه دوم: پیش‌بینی سهام شرکت مایکروسافت با استفاده از RNNها Project 2: Microsoft Corporation Stock Prediction Using RNNs

• نمای کلی ماژول Module Overview

• تحلیل داده‌ها Data Analysis

• بصری‌سازی داده‌ها با نمودارهای خطی Data Visualization Line Plots

• نمودارهای ناحیه‌ای Area Plots

• همبستگی خودکار، انحراف معیار و میانگین Auto Correlation, Standard Deviation, and Mean

• بررسی ایستایی Stationarity Check

• دستکاری داده‌ها برای یادگیری عمیق Data Manipulation for Deep Learning

• تقسیم مجموعه‌داده Dataset Division

• پیاده‌سازی LSTM و بررسی خطاها LSTM Implementation and Errors

• پیش‌بینی با LSTM LSTM Forecasting

• پیش‌بینی با Stacked LSTM Stacked LSTM Forecasting

• مدل‌های BiLSTM و Stacked BiLSTM BiLSTM and Stacked BiLSTM

پروژه سوم: پیش‌بینی نرخ تولد با استفاده از RNNها و تحلیل پیشرفته داده‌ها Project 3: Birth Rate Forecasting Using RNNs with Advanced Data Analysis

• نمای کلی پروژه Project Overview

• بررسی مجموعه‌داده Dataset Overview

• نمودار توزیع سالانه تولد و نمودار نرخ تولد Yearly Birth Distribution Plot and Birth Rate Plot

• نمودار توزیع ماهانه تولد و نمودار نرخ تولد Monthly Birth Distribution Plot and Birth Rate Plot

• نمودار توزیع روزانه و تاریخ‌های تولد و نمودار نرخ تولد Day-Wise and Date-Wise Birth Distribution Plot and Birth Rate Plot

• نمودار محدوده نرخ تولد Birth Rate Range Plot

• دستکاری داده‌ها Data Manipulation

• بررسی ایستایی Stationarity Check

• دستکاری برای پیش‌بینی Manipulation for Forecasting

• مقیاس‌بندی (Scaling) Scaling

• پیش‌بینی با LSTM LSTM Forecasting

• مدل‌های Stacked LSTM و BiLSTM Stacked LSTM and BiLSTM

• جمع‌بندی دوره Course Conclusion