سرهای زمانی:
داده های سری زمانی (Time Series)، داده های وابسته به زمان و وابسته به ترتیب هستند که به صورت ترتیبی تولید و پردازش می شوند. سری زمانی (Time Series) دنبالهای از داده است که به ترتیب متوالی در طول یک دوره زمانی خاص رخ میدهند. در واقع، سری زمانی مشخص کننده تغییرات داده در طول زمان است و بهصورت متوالی در بازههای زمانی مشخص جمعآوری میشوند. این نوع دادهها در درک الگوها و رویدادها در طول زمان کمک کننده هستند و برای تحلیل و پیشبینی وقوع رویدادهای آینده استفاده می شوند. برای نمونه، تصور کنید نموداری از قیمت سهام یک شرکت را در طول یک سال ترسیم میکنید. این نمودار یک سری زمانی است. هر نقطه روی این نمودار نشاندهنده قیمت سهام در یک روز خاص است.تحلیل سری زمانی، یکی از شاخههای مهم در علم آمار و داده کاوی است که به تحلیل و مدلسازی دادههای وابسته به زمان و ترتیب می پردازد. این دادهها شامل هر نوع متغیری است که با گذشت زمان تغییر میکند، مانند قیمت سهام، دمای هوا، میزان فروش یک محصول و یا تعداد بازدیدکنندگان یک وبسایت.
هدف اصلی از تحلیل سری زمانی، درک رفتار گذشته دادهها، شناسایی الگوها و روندها، و پیشبینی آینده است. در علوم مختلف، به یک توالی یا دنباله از متغیرهای تصادفی که در فاصله های زمانی ثابت نمونه برداری شده باشند، سری زمانی یا پیشامد تصادفی در مقطع زمان میگویند. به عبارت دیگر منظور از یک سری زمانی مجموعهای از دادههای آماری است که در فواصل زمانی مساوی و منظمی تولید شده باشند. روشهای آماری ای که این گونه دادههای آماری را مورد استفاده قرار میدهد مدل های تحلیل سری زمانی نامیده میشود.
مراحل تحلیل سرهای زمانی:
- جمعآوری دادهها: جمع آوری داده ها به صورت منظم و با فواصل زمانی یکسان
- تمیز کردن دادهها: تعیین مقادیر گمشده، نویز و یا خطاهای اندازهگیری و نرمال سازی
- تجسم دادهها: ترسیم و بصری سازی سری زمانی
- ایستاییسازی: حفظ ایستایی سری زمانی به معنای ثابت بودن میانگین، واریانس و کوواریانس سری زمانی در طول زمان است. با روش های مانند تفاضلگیری، تبدیل لگاریتمی و یا هموارسازی.
- مدلسازی: پس از ایستاییسازی، میتوان مدلهای مختلفی برای سری زمانی انتخاب کرد.
- ارزیابی مدل: ارزیابی دقت مدل در پیشبینی مقادیر آینده
- پیشبینی: پیشبینی مقادیر آینده سری زمانی
هدف از این دوره آموزشی:
هدف از این دوره آموزشی آموزش سری زمانی و پیش بینی تغییرات آینده در سری زمانی است. در این دوره عملی پیش بینی قیمت در بازارمالی با یادگیری عمیق و تکنیک های سری زمانی در پایتون می باشد. در این دوره با فیلم آموزشی کامل روند پیش بینی تغییرات سری زمانی انجام می شود و مجموعه های داده ای معرفی می شوند و عملیات تست شبکه انجام می شود. خروجی های حاصل از پیش بینی قیمت در بازارمالی روی هر یک از شبکه ها نشان داده می شود. این آموزش به زبانی ساده و روان و کاربردی آماده شده است که خواننده می تواند در مدت زمان کوتاهی مفاهیم اصلی را درک کرده و بتواند کارهای علمی و پژوهشی یا کاربردی خوبی را بر پایه این آموزش ها انجام دهد. ابتدا مرور کامل روی پایتون انجام می شود و در مرحله دوم مفاهیم آمار و احتمال لازم برای سری زمانی بحث و پیاده سازی می شود. در نهایت تئوری سری زمانی همراه الگوریتم های مختلف بحث و بررسی می شود و تمامی آنجه برای پیش بینی تغییرات در سری زمانی لازم دارید به شما آموزش داده می شود. جزئیات این دوره آموزشی در زیر لیست شده است. بدون شک یکی از بهترین دوره های سری زمانی است که با زبان فارسی و قابل فهم توضیح داده شده است. امیدواریم که این آموزش از “بیگ لرن” هم مثل سایر آموزش ها مورد تایید و رضایت شما مخاطبان گرامی قرار گیرد.
بخش اول: مرور کامل روی پایتون
بخش دوم: مرور کامل روی یادگیری ماشین/عمیق و آمار برای سری زمانی
بخش سوم: معرفی سری زمانی و الگوریتم ها
بخش چهارم: معرفی پیش بینی قیمت در بازارهای مالی
بخش پنجم: پیاده سازی عملی پیش بینی قیمت سهام با یادگیری ماشین/عمیق
موارد مرتبط
نظرات
برای ثبت نقد و بررسی وارد حساب کاربری خود شوید.
قیمت 195,000 تومان
دکترای مهندسی کامپیوتر (گرایش هوش مصنوعی و رباتیکز) هستم. عمده فعالیت من در حوزه یادگیری عمیق، علم داده، پردازش تصویر و پردازش متن با زبان های برنامه نویسی پایتون و جاوا است.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.