در حال حاضر محصولی در سبد خرید شما وجود ندارد.
تجزیه و تحلیل سری زمانی برای هر فرد Livelessons ابزار و تکنیک های بنیادی را برای تجزیه و تحلیل داده های سری زمانی پوشش می دهد. این درس ها شما را به مفاهیم اصلی، ایده ها و الگوریتم های لازم برای توسعه برنامه های کاربردی سری زمانی خود در یک گام به گام، به صورت بصری معرفی می کنند. درسها پیشرفت تدریجی را دنبال می کنند، از آنچه که بیشتر به انتزاعی بیشتر می شود، شما را از همان اصول به برخی از الگوریتم های اخیر و پیچیده با استفاده از مدل های Statsmodels، Arc، و Keras از مدل های پیشرفته ای از هنری.
عنوان اصلی : Times Series Analysis for Everyone
سرفصل های دوره :
مقدمه:
مقدمه تجزیه و تحلیل سریال Times برای همه Times Series-2
درس 1 پانداها برای سری زمانی:
1.1 DataFrames و Series Times Series Analysis برای همه
1.2 تجزیه و تحلیل سری زمان های فرعی برای همه
1.3 سری زمانی تجزیه و تحلیل سری های زمانی برای همه
1.4 DataFrame Manipulations Series Times Analysis for Everyo
1.5 تجزیه و تحلیل سری زمانی جداول محوری برای همه
1.6 ادغام و پیوستن به تجزیه و تحلیل سری Times برای همه
1.7 نسخه آزمایشی شماره 1 تجزیه و تحلیل سری بار برای همه
اهداف آموزشی تجزیه و تحلیل سری های زمانی برای همه-1
درس 2 تجسم سری زمانی:
2.1 تجزیه و تحلیل سری زمان های نمایش داده برای همه
2.2 تولید ناخالص داخلی بار سری تجزیه و تحلیل برای همه
2.3 تجزیه و تحلیل سری زمان های مرگ و میر آنفلوانزا برای همه
2.4 تجزیه و تحلیل سریال زمان فعالیت Sun برای همه
2.5 تجزیه و تحلیل سری های میانگین صنعتی داوجونز برای E
2.6 تجزیه و تحلیل سری زمان مسافران خطوط هوایی برای همه
2.7 تجزیه و تحلیل سریال Times Demo برای همه
اهداف آموزشی تجزیه و تحلیل سری های زمانی برای همه-2
درس 3 ثابت بودن و رفتار پرطرفدار:
3.1 تجزیه و تحلیل سری Times غیر ثابت برای همه
3.2 تجزیه و تحلیل سریهای Trend Times برای همه
3.3 نسخه آزمایشی شماره 1 تجزیه و تحلیل سری بار برای همه
3.4 تجزیه و تحلیل سریال های فصلی تایمز برای همه
3.5 تجزیه و تحلیل سری های زمانی سری های زمانی برای همیشه
3.6 نسخه آزمایشی شماره 2 تجزیه و تحلیل سری بار برای همه
اهداف آموزشی تجزیه و تحلیل سری های زمان برای همه-3
درس 4 تبدیل داده های سری زمانی:
4.1 تجزیه و تحلیل سری زمانی ارزشهای با تاخیر برای همه
4.2 تجزیه و تحلیل سریهای زمانی تفاوت برای همه
4.3 تجزیه و تحلیل سری زمانهای انتساب داده برای همه
4.4 نمونه برداری مجدد از سری زمانی تجزیه و تحلیل برای همه
4.5 جکنایف تخمینگذاران زمانهای سری تجزیه و تحلیل برای همه
4.6 Bootstrapping Times Series Analysis برای همه
4.7 تجزیه و تحلیل سریال Times Demo برای همه
اهداف آموزشی تجزیه و تحلیل سری های زمان برای همه-4
درس 5 اندازه گیری ارزش در حال اجرا:
5.1 تجزیه و تحلیل سری Windowing Times برای همه
5.2 تجزیه و تحلیل سری زمانی ارزشهای در حال اجرا برای همه
5.3 Bollinger Bands Times Series Analysis برای همه
5.4 تجزیه و تحلیل سری بار میانگین های نمایی نمایی برای E
5.5 تجزیه و تحلیل سری های زمان پیش بینی برای همه
5.6 تجزیه و تحلیل سریال Times Demo برای همه
اهداف آموزشی تجزیه و تحلیل سری های زمان برای همه-5
تحلیل فوریه درس 6:
6.1 تجزیه و تحلیل سری زمان های دامنه فرکانس برای همه
6.2 تجزیه و تحلیل سری زمانهای تبدیل فوریه گسسته برای حوا
6.3 FFT برای تجزیه و تحلیل سری زمان های فیلتر برای همه
6.4 تجزیه و تحلیل سری های زمان پیش بینی برای همه
6.5 تجزیه و تحلیل سریال Times Demo برای همه
اهداف آموزشی تجزیه و تحلیل سری های زمان برای همه-6
همبستگی های سری زمانی درس 7:
7.1 تجزیه و تحلیل سری همبستگی پیرسون برای همه
7.2 همبستگی دو سری زمانی تجزیه و تحلیل سری های زمانی برای
7.3 تجزیه و تحلیل سلسله زمانی همبستگی خودکار برای همه
7.4 تجزیه و تحلیل سری زمانهای خودکار همبستگی جزئی برای هر
7.5 تجزیه و تحلیل سریال Times برای همه
اهداف آموزشی تجزیه و تحلیل سری های زمان برای همه-7
درس 8 پیاده روی تصادفی:
8.1 تجزیه و تحلیل سری تصادفی Walk Times برای همه چیست؟
8.2 تجزیه و تحلیل سریال White Noise Times برای همه
8.3 تجزیه و تحلیل سری زمان های ثابت در مقابل غیر ثابت f
8.4 تجزیه و تحلیل سری تست تایمز Dicky-Fuller برای همه
تجزیه و تحلیل سری زمانهای 8.5 هرست برای همه
8.6 تجزیه و تحلیل سریال Times Demo برای همه
اهداف آموزشی تجزیه و تحلیل سری تایمز برای همه-8
درس 9 مدل های ARIMA:
9.1 مدلهای میانگین متحرک (MA) تحلیل سریهای زمان برای حوا
9.2 مدل خودرگرسیون (AR) سری زمانهای تجزیه و تحلیل برای همیشه
9.3 مدل ARIMA Times Series Analysis برای همه
9.4 برازش مدلهای ARIMA، تجزیه و تحلیل سری زمانی برای همه
9.5 مدلهای آماری برای مدلهای ARIMA، تجزیه و تحلیل سریهای زمانی برای E
9.6 تجزیه و تحلیل فصلی سری ARIMA Times برای همه
9.7 تجزیه و تحلیل سریال Times Demo برای همه
اهداف آموزشی تجزیه و تحلیل سری های زمانی برای همه-9
مدل های ARCH درس 10:
10.1 تجزیه و تحلیل سریهای Heteroscedasticity Times برای همه
10.2 مدلهای هرتوسکداستیکال تحلیل سریهای زمانی برای هر
10.3 مود اتورگرسیون شرطی ناهمگن (ARCH)
10.4 مدل های ARCH برازش آنالیز سری Times برای همه
10.5 تجزیه و تحلیل سری زمانهای آزمایشی برای همه
اهداف آموزشی تجزیه و تحلیل سری تایمز برای همه-10
درس 11 یادگیری ماشینی با سری زمانی:
11.1 Interpolation Times Series Analysis برای همه
11.2 انواع تجزیه و تحلیل سری زمان های یادگیری ماشین برای حوا
11.3 تجزیه و تحلیل رگرسیون و زمان بندی سری برای
11.4 تجزیه و تحلیل سری های زمان اعتبار متقابل برای همه
11.5 اخطار هنگام کار با Time Series Times Series Anal
11.6 تجزیه و تحلیل سریهای زمانهای آزمایشی برای همه
اهداف آموزشی تجزیه و تحلیل سری تایمز برای همه-11
درس 12 مروری بر رویکردهای یادگیری عمیق:
12.1 شبکههای پیشخور (FFN) Times Series Analysis for E
12.2 شبکه های عصبی بازگشتی (RNN) تجزیه و تحلیل سری زمانی f
12.3 واحدهای تکراری دردار (GRU) تجزیه و تحلیل سری زمانی برای E
12.4 تجزیه و تحلیل سری زمانی حافظه بلند مدت کوتاه مدت (LSTM) برای
12.5 تجزیه و تحلیل سری زمانهای آزمایشی برای همه
اهداف آموزشی تجزیه و تحلیل سری های زمان برای همه-12
Times Series Analysis for Everyone
در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.