آموزش تجزیه و تحلیل سری زمانی ، پیش بینی و پیش بینی با TensorFlow 2.0

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

• بررسی اجمالی دوره Course Overview

درک داده های سری زمانی Understanding Time Series Data

• مقدمه Introduction

• سریال زمانی چیست؟ What Is a Time Series?

• معیارهای ارزیابی Evaluation Metrics

• با استفاده از نگه داشتن Using a Hold Out

• داده ها Load Data

• ویندوزهای سری زمانی اساسی Basic Time Series Windows

ساخت یک مدل پایه Building a Baseline Model

• مقدمه Introduction

• تهیه داده ها Data Preparation

• داده های تقسیم شده Split Data

• کلاس WindowGenerator WindowGenerator Class

• روش های اضافی در WindowGenerator Additional Methods in WindowGenerator

• روشهای بیشتر More Methods

• پنجره یک مرحله ای Single Step Window

• کلاس مدل پایه Baseline Model Class

• مدل خطی Linear Model

استفاده از شبکه های عصبی Utilizing Neural Networks

• مقدمه Introduction

• کامپایل و مناسب Compile and Fit

• مدل متراکم Dense Model

• مدل حلقوی Convolutional Model

• شبکه های عصبی مکرر Recurrent Neural Networks

گسترش رویکرد مدل سازی Expanding the Modeling Approach

• مقدمه Introduction

• چندین خروجی را پیش بینی کنید Predict Multiple Outputs

• RNN در چندین خروجی RNN on Multiple Outputs

• چندین دوره را پیش بینی کنید Predict Multiple Periods

• مدل خطی و چندین دوره Linear Model and Multiple Periods

• مدل متراکم و چندین دوره Dense Model and Multiple Periods

• CNN و چندین خروجی CNNs and Multiple Outputs

• LSTM و چندین خروجی LSTM and Multiple Outputs