Time Series Analysis and Forecasting using Python

تعرف على نماذج تحليل السلاسل الزمنية والتنبؤ في Python | تصور بيانات الوقت | AR | MA | ARIMA | الانحدار | ANN

ما ستتعلمه

احصل على فهم قوي لتحليل السلاسل الزمنية والتنبؤ بها
فهم سيناريوهات العمل حيث ينطبق تحليل السلاسل الزمنية
بناء 5 نماذج مختلفة للتنبؤ بالسلاسل الزمنية في Python
تعرف على الانحدار التلقائي ونماذج المتوسط المتحرك
تعرف على نماذج ARIMA و SARIMA للتنبؤ
استخدم Pandas DataFrames لمعالجة بيانات السلاسل الزمنية وإجراء الحسابات الإحصائية.

المتطلبات

سيحتاج الطلاب إلى تثبيت برنامج Python و Anaconda ولكن لدينا محاضرة منفصلة لمساعدتك في تثبيت نفس البرنامج ، سيحتاج الطلاب إلى تثبيت برنامج Python و Anaconda ولكن لدينا محاضرة منفصلة لمساعدتك في تثبيت نفس
وصف
أنت تبحث عن دورة كاملة حول التنبؤ بالسلسلة الزمنية لدفع قرارات الأعمال التي تتضمن جداول الإنتاج ، وإدارة المخزون ، وتخطيط القوى العاملة ، والعديد من الأجزاء الأخرى من العمل. ، أليس كذلك؟

لقد وجدت الدورة التدريبية الصحيحة لتحليل السلاسل الزمنية والتنبؤ بها. تعلمك هذه الدورة كل ما تحتاج إلى معرفته حول نماذج التنبؤ المختلفة وكيفية تنفيذ هذه النماذج في Python.

بعد الانتهاء من هذه الدورة التدريبية ، ستتمكن من :

تنفيذ نماذج التنبؤ بالسلسلة الزمنية مثل AutoRegression و Moving Average و ARIMA و SARIMA إلخ.

تنفيذ نماذج التنبؤ متعدد المتغيرات على أساس الانحدار الخطي والشبكات العصبية.

قم بممارسة ومناقشة وفهم نماذج التنبؤ المختلفة التي تستخدمها المنظمات بثقة

كيف ستساعدك هذه الدورة؟

يتم تقديم شهادة إكمال قابلة للتحقق منها لجميع الطلاب الذين يقومون بإجراء تحليلات التسويق هذه: نماذج التنبؤ مع دورة Excel.

إذا كنت مدير أعمال أو مدير تنفيذي ، أو طالبًا يريد تعلم نماذج التنبؤ وتطبيقها في مشاكل الأعمال الواقعية ، فستمنحك هذه الدورة قاعدة صلبة من خلال تعليمك نماذج التنبؤ الأكثر شيوعًا وكيفية تنفيذها.

لماذا تختار هذه الدورة؟

نحن نؤمن بالتعليم بالقدوة . هذه الدورة ليست استثناء. التركيز الأساسي لكل قسم هو تعليمك المفاهيم من خلال أمثلة إرشادية. يحتوي كل قسم على المكونات التالية:

المفاهيم النظرية وحالات الاستخدام لنماذج التنبؤ المختلفة

إرشادات خطوة بخطوة حول تطبيق نماذج التنبؤ في Python

ملفات كود قابلة للتحميل تحتوي على البيانات والحلول المستخدمة في كل محاضرة

ملاحظات الصف والمهام لمراجعة المفاهيم وممارستها

الفصول العملية حيث نقوم بإنشاء نموذج لكل من هذه الاستراتيجيات هو شيء يميز هذه الدورة عن أي دورة أخرى متاحة عبر الإنترنت.

ما الذي يجعلنا مؤهلين لتعليمك؟

يتم تدريس الدورة من قبل ابهيشيك وبوخراج. بصفتنا مديرين في شركة Global Analytics Consulting ، فقد ساعدنا الشركات على حل مشكلة أعمالها باستخدام Analytics واستخدمنا خبرتنا لتضمين الجوانب العملية للتسويق وتحليلات البيانات في هذه الدورة

نحن أيضًا مبتكرون لبعض الدورات التدريبية الأكثر شعبية عبر الإنترنت - مع أكثر من 170.000 تسجيل وآلاف المراجعات من فئة 5 نجوم مثل هذه:

هذا جيد جدا ، أنا أحب حقيقة أن كل التفسير الذي يمكن أن يفهمه شخص عادي - يشوع

شكرا لك مؤلف لهذه الدورة الرائعة. أنت الأفضل وهذه الدورة تستحق أي سعر. - ديزي

عهدنا

تعليم طلابنا هو عملنا ونحن ملتزمون به. إذا كان لديك أي أسئلة حول محتوى الدورة التدريبية أو ورقة الممارسة أو أي شيء يتعلق بأي موضوع ، فيمكنك دائمًا نشر سؤال في الدورة التدريبية أو إرسال رسالة مباشرة إلينا.

قم بتنزيل ملفات التمرين ، واجتاز الاختبارات ، واستكمل المهام

مع كل محاضرة ، هناك ملاحظات صفية مرفقة يمكنك متابعتها. يمكنك أيضًا إجراء اختبارات للتحقق من فهمك للمفاهيم. يحتوي كل قسم على مهمة تدريبية لك لتنفيذ عمليتك التعليمية.

ما الذي يتم تناوله في هذه الدورة؟

يعد فهم كيفية تغير المبيعات في المستقبل إحدى المعلومات الأساسية التي يحتاجها المدير لاتخاذ القرارات المبنية على البيانات. في هذه الدورة ، سوف نستكشف كيف يمكن للمرء استخدام نماذج التنبؤ

شاهد الأنماط في بيانات السلاسل الزمنية

عمل توقعات بناء على النماذج

اسمحوا لي أن أقدم لكم لمحة موجزة عن الدورة

القسم 1 - مقدمة

في هذا القسم سنتعرف على هيكل الدورة

القسم 2 - أساسيات بايثون

يساعدك هذا القسم على البدء مع Python.

سيساعدك هذا القسم على إعداد بيئة python و Jupyter على نظامك وسوف يقوم بالتدريس

كيفية إجراء بعض العمليات الأساسية في Python. سوف نفهم أهمية المكتبات المختلفة مثل Numpy و Pandas & Seaborn.

القسم 3 - أساسيات بيانات السلاسل الزمنية

في هذا القسم ، سنناقش أساسيات بيانات السلاسل الزمنية ، وتطبيق تنبؤات السلاسل الزمنية والعملية القياسية المتبعة لبناء نموذج للتنبؤ

القسم 4 - بيانات السلاسل الزمنية قبل المعالجة

في هذا القسم ، ستتعلم كيفية تصور السلاسل الزمنية ، وأداء هندسة الميزات ، وإعادة أخذ عينات البيانات ، وأدوات أخرى متنوعة لتحليل البيانات وإعدادها للنماذج

القسم 5 - تجهيز البيانات لنموذج الانحدار

في هذا القسم سوف تتعرف على الإجراءات التي تحتاج إلى اتخاذها خطوة بخطوة للحصول على البيانات ومن ثم إعدادها للتحليل هذه الخطوات مهمة للغاية.

نبدأ بفهم أهمية المعرفة بالأعمال ثم سنرى كيفية القيام باستكشاف البيانات. نتعلم كيفية إجراء تحليل أحادي المتغير وتحليل ثنائي المتغيرات ثم نغطي موضوعات مثل العلاج الزائد ونقص القيمة المحسوبة.

القسم 6 - التنبؤ باستخدام نموذج الانحدار

يبدأ هذا القسم بالانحدار الخطي البسيط ثم يغطي الانحدار الخطي المتعدد ، وقد قمنا بتغطية النظرية الأساسية وراء كل مفهوم دون أن نكتفي بالرياضيات حوله حتى تفهم من أين يأتي المفهوم وكيف أنه مهم. ولكن حتى إذا لم تفهمها ، فسيكون الأمر على ما يرام طالما تتعلم كيفية تشغيل النتيجة وتفسيرها كما يتم تدريسها في المحاضرات العملية.

كما نلقي نظرة على كيفية تحديد دقة النماذج ، وما معنى إحصاء F ، وكيف يتم تفسير المتغيرات الفئوية في مجموعة بيانات المتغيرات المستقلة في النتائج.

القسم 7 - المفاهيم النظرية

يمنحك هذا الجزء فهمًا قويًا للمفاهيم التي تنطوي عليها الشبكات العصبية.

في هذا القسم سوف تتعلم عن الخلايا المفردة أو Perceptrons وكيف يتم تكديس Perceptrons لإنشاء بنية شبكة. بمجرد تعيين البنية ، نتفهم خوارزمية أصل التدرج لإيجاد الحد الأدنى من الوظيفة ومعرفة كيفية استخدامها لتحسين نموذج شبكتنا.

القسم 8 - إنشاء نموذج ANN للانحدار والتصنيف في Python

في هذا الجزء سوف تتعلم كيفية إنشاء نماذج ANN في Python.

سنبدأ هذا القسم من خلال إنشاء نموذج ANN باستخدام Sequential API لحل مشكلة التصنيف. نتعلم كيفية تحديد بنية الشبكة وتكوين النموذج وتدريب النموذج. ثم نقوم بتقييم أداء نموذجنا المدرّب ونستخدمه للتنبؤ بالبيانات الجديدة. نقوم أيضًا بحل مشكلة الانحدار التي نحاول فيها التنبؤ بأسعار المنازل في الموقع. سنغطي أيضًا كيفية إنشاء معماريات ANN معقدة باستخدام واجهة برمجة التطبيقات الوظيفية. وأخيرًا ، نتعلم كيفية حفظ النماذج واستعادتها.

أنا واثق جدًا من أن الدورة ستمنحك المعرفة والمهارات اللازمة لرؤية الفوائد العملية في مكان عملك على الفور.

استمر وانقر على زر التسجيل ، وسأراك في الدرس 1

في صحتك

أكاديمية Start-Tech

لمن هذه الدورة:
الأشخاص الذين يتابعون مهنة في علوم البيانات
يبدأ المحترفون العاملون رحلتهم في تعلُم الآلة
الإحصائيون بحاجة إلى المزيد من الخبرة العملية
أي شخص يتطلع إلى إتقان تحليل السلاسل الزمنية باستخدام Python في فترة زمنية قصيرة

سجل فالدوره من هنا

ترجم الدوره من هنا