Udemy – Time Series Analysis and Forecasting using Python 2024-5

در تاریخ: 1399/05/06 5:38:44

توضیحات

Time Series Analysis and Forecasting using Python دوره آموزشی درک و استفاده از تکنیک‌های تحلیل سری‌های زمانی می باشد که توسط آکادمی آنلاین یودمی منتشر شده است. Time Series Analysis and Forecasting using Python یک دوره آموزشی جامع است که هدف آن کمک به زبان‌آموزان برای درک و استفاده از تکنیک‌های تحلیل سری‌های زمانی در داده‌های دنیای واقعی است. این دوره اصول سری های زمانی مانند روندها، فصلی بودن و نویز را پوشش می دهد و در عین حال به کتابخانه های ضروری پایتون مانند Pandas، NumPy و Statsmodels برای دستکاری و تجزیه و تحلیل داده ها می پردازد. یادگیرندگان روش های مختلف پیش بینی، از جمله میانگین متحرک، ARIMA، و هموارسازی نمایی، کسب تجربه عملی از طریق پروژه های عملی را بررسی خواهند کرد.

این دوره درک اصول سری های زمانی مانند روندها، فصلی بودن و نویز را ارائه می دهد، در حالی که کتابخانه های کلیدی پایتون مانند Pandas، NumPy و Statsmodels را برای دستکاری داده ها پوشش می دهد. برنامه درسی بر کاربرد مدل‌های آماری و تکنیک‌های یادگیری ماشین برای پیش‌بینی ارزش‌های آینده تمرکز دارد، و بینش‌هایی را در مورد نحوه تفسیر و تجسم داده‌های سری زمانی به طور موثر ارائه می‌دهد. در پایان دوره، شرکت‌کنندگان به مهارت‌هایی برای انجام پیش‌بینی سری‌های زمانی با استفاده از پایتون مجهز خواهند شد و به آنها کمک می‌کند تا بر اساس پیش‌بینی‌های مبتنی بر داده تصمیم‌گیری آگاهانه بگیرند.

آنچه در دوره Time Series Analysis and Forecasting using Python یاد خواهید گرفت:

درک کاملی از تحلیل و پیش بینی سری های زمانی
ساخت 5 مدل مختلف پیش‌بینی سری زمانی در پایتون
رگرسیون خودکار و مدل های میانگین متحرک
مدل های ARIMA و SARIMA برای پیش بینی
استفاده از Pandas DataFrames برای دستکاری داده های سری زمانی و انجام محاسبات آماری
و …

مشخصات دوره:

ناشر: Udemy
مدرس: Start-Tech Academy
سطح: مقدماتی
تعداد دروس: 104
مدت زمان آموزش: 13 ساعت و 24 دقیقه
زبان: انگلیسی

سرفصل های دوره

Time Series Analysis and Forecasting using Python Content

پیش‌نیاز‌ دوره

Students will need to install Python and Anaconda software but we have a separate lecture to help you install the sameStudents will need to install Python and Anaconda software but we have a separate lecture to help you install the same