آموزش تجزیه و تحلیل ، پیش بینی و پیش بینی سری زمانی را با Tensorflow 2.0 پیاده سازی کنید

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

• سری زمانی چیست؟ What Is a Time Series?

• معیارهای ارزیابی Evaluation Metrics

• با استفاده از Hold Out Using a Hold Out

• بارگذاری اطلاعات Load Data

• سری اصلی Windows Basic Time Series Windows

ساخت یک مدل پایه Building a Baseline Model

• مقدمه Introduction

• آماده سازی داده ها Data Preparation

• تقسیم اطلاعات Split Data

• کلاس WindowGenerator WindowGenerator Class

• روش های اضافی در WindowGenerator Additional Methods in WindowGenerator

• روش های بیشتر More Methods

• پنجره تک 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 متناسب Compile and Fit

• مدل متراکم Dense Model

• مدل کانولوشنال Convolutional Model

• شبکه های عصبی راجعه 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 دوره های چندگانه 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