توضیحات

تجزیه و تحلیل سری های زمانی در پایتون با Pandas و NumPy

نام دوره :Python for Time Series Data Analysis

پیش نیاز:

• مهارت های عمومی پایتون (دانش تا توابع)

توضیحات:

به بهترین منبع آنلاین برای یادگیری نحوه استفاده از زبان برنامه نویسی پایتون برای تجزیه و تحلیل سری های زمانی خوش آمدید!

این دوره همه چیزهایی را که برای استفاده از پایتون برای پیش‌بینی داده‌های سری زمانی برای پیش‌بینی نقاط داده جدید آینده نیاز دارید، به شما آموزش می‌دهد.

ما با آموزش نحوه کار و دستکاری داده ها با استفاده از کتابخانه های NumPy و Pandas با پایتون، با اصول اولیه شروع می کنیم.

سپس با یادگیری در مورد تجسم‌سازی با کتابخانه Pandas  و نحوه کار با داده‌های نشان‌داده‌شده با Pandas و پایتون، عمیق‌تر به کار با Pandas می‌پردازیم.

سپس شروع به یادگیری کتابخانه statsmodels و قدرتمند آن در ابزارهای تحلیل سری زمانی خواهیم کرد. از جمله یادگیری در مورد Error-Trend-Seasonality تجزیه و روش های پایه Holt-Winters.

پس از آن به قلب دوره خواهیم پرداخت که مدل‌های پیش‌بینی کلی را پوشش می‌دهد.

ما در مورد ایجاد نمودارهای AutoCorrelation و Partial AutoCorrelation و استفاده از آنها در ارتباط با مدل های قدرتمند مبتنی بر ARIMA، از جمله مدل های Seasonal ARIMA و SARIMAX برای گنجاندن نقاط داده Exogenous صحبت خواهیم کرد.

پس از آن، در مورد تکنیک‌های پیشرفته یادگیری عمیق با شبکه‌های عصبی مکرر که از یادگیری عمیق برای پیش‌بینی نقاط داده آینده استفاده می‌کنند، یاد خواهیم گرفت.

دوره  تجزیه و تحلیل سری های زمانی در پایتون با Pandas و NumPy حتی کتابخانه prophet فیس بوک را نیز پوشش می دهد، یک کتابخانه ساده برای استفاده و در عین حال قدرتمند پایتون که برای پیش بینی آینده با داده های سری زمانی توسعه یافته است.

دوره تجزیه و تحلیل سری های زمانی در پایتون با Pandas و NumPy برای چه کسانی است:

• توسعه دهندگان پایتون علاقه مند به یادگیری نحوه پیش بینی داده های سری زمانی هستند

بخشی از دوره :