توضیحات

تجزيه و تحليل و پيش بيني سري هاي زماني با پایتون

نام دوره : Mastering Time Series Forecasting with Python

پیش نیاز:

• آشنايي پايه با آمار
• درک پايه اي از پايتون
• داشتن حساب Gmail و قادر بودن به باز کردن درايو گوگل

توضیحات:

به دوره ي “Mastering Time Series Forecasting in Python” خوش آمديد!

تجزيه و تحليل و پيش بيني سري هاي زماني يکي از حوزه هاي علوم داده و در صنايع مختلف کاربرد وسيعي دارد. بسياري از صنايع به دنبال داده شناسان با اين مهارت ها هستند و اين دوره تمامي روش هاي مدل سازي براي پيش بيني و تجزيه و تحليل را پوشش مي دهد.

ما با برنامه نويسي در پايتون شروع مي کنيم که يک مهارت ضروري است و سپس به بررسي تئوري پايه سري هاي زماني مي پردازيم تا به شما در درک مدل سازي در ادامه کمک کنيم.

سپس در طول دوره، با چندين کتابخانه پايتون کار خواهيم کرد و به شما آموزش کاملي ارائه خواهيم داد.

ما از قابليت قدرتمند سري هاي زماني تعبيه شده در پاندا استفاده خواهيم کرد، همچنين از کتابخانه هاي اساسي ديگري مانند NumPy، matplotlib، statsmodels، Sklearn و ARCH.

با استفاده از اين ابزارها، ما پرکاربردترين مدل هاي وجود دار را به خوبي مسلط خواهيم شد که شامل مدل افزودني، مدل ضربي، مدل AR (مدل خودبازگشتي)، ميانگين حرکتي ساده، ميانگين حرکتي وزن دار، ميانگين حرکتي نمايي، مدل ARMA (مدل خودبازگشتي-ميانگين حرکتي)، مدل ARIMA (مدل خودبازگشتي – ميانگين حرکتي تجمعي) و Car ARIMA مي باشد.

ما می دانیم که سری زمانی ممکن است برای برخی افراد سوالاتی را به جای بگذارد. اما با این دوره، شما می‌توانید یکبار برای همیشه سری زمانی را درک کنید. نه تنها این، بلکه شما همچنین فایل‌های دفترچه راهنما و یادداشت دوره را دریافت خواهید کرد – همه چیز شامل شده است.

دوره تجزيه و تحليل و پيش بيني سري هاي زماني با پایتون برای چه کسانی است:

• هر کسي که به تحليل و پيش‌بيني سري زماني علاقمند است
• هر کسي که به دنبال پيش‌بيني پيشرفته در زمان واقعي است.

بخشی از دوره :