دوره

مدل‌های ARIMA در پایتون

درباره مدل‌های ARIMA در پایتون یاد بگیرید و به یک متخصص در تحلیل سری زمانی تبدیل بشید.

مقدماتی
تاریخ به‌روزرسانی:
26 آبان 1405
۴٫۹
پایتون
۴ ساعت
۱۵ ویدیو
۴۲ تمرین
۵۷۳ شرکت‌کننده
۴۸۵
کاربرهای فینکا در چه شرکت‌هایی مشغول به کار هستند؟
توضیحات دوره

تا حالا سعی کردید آینده رو پیش‌بینی کنید؟ اتفاقاتی که در آینده می‌افته یک رازه که معمولا فقط با صبر کردن فاش می‌شه. در این دوره، دیگه نیازی نیست منتظر بمونید و یاد می‌گیرید از مدل‌های قدرتمند ARIMA برای پیش‌بینی آینده استفاده کنید. یاد می‌گیرید چطور از پکیج statsmodels برای تحلیل سری زمانی، ساخت مدل‌های سفارشی و پیش‌بینی در شرایط عدم قطعیت استفاده کنید. بازار بورس در ۲۴ ساعت آینده چه تغییری می‌کنه؟ در دهه آینده سطح CO2 چقدر تغییر می‌کنه؟ سال آینده چند تا زلزله میاد؟ یاد می‌گیرید همه این مسائل و خیلی چیزهای بیشتر رو حل کنید.

همونیه که می‌خواید یاد بگیرید؟

1
مدل‌های ARMA

در این بخش با مهم‌ترین ویژگی‌های سری‌های زمانی آشنا می‌شید. یاد می‌گیرید مانایی چیه و چرا برای مدل‌های ARMA اهمیت داره. همچنین یاد می‌گیرید چطور مانایی رو هم به‌صورت بصری و هم با استفاده از یک آزمون آماری استاندارد بررسی کنید. در پایان، با ساختار پایه مدل‌های ARMA آشنا می‌شید و از اون برای تولید داده‌های ARMA و برازش یک مدل ARMA استفاده می‌کنید.

2
برازش آینده

در این بخش یاد می‌گیرید چطور مقادیر آینده رو بر اساس داده‌هاتون پیش‌بینی کنید. با استفاده از پکیج statsmodels، مدل‌های ARMA، ARIMA و ARMAX رو برازش می‌کنید و بعد از این مدل‌ها برای پیش‌بینی آینده نامطمئن قیمت سهام استفاده می‌کنید!

3
بهترینِ بهترین مدل‌ها

در این بخش یاد می‌گیرید چطور مدل‌های مناسب رو با دقت بیشتری انتخاب کنید. ابتدا یاد می‌گیرید چطور مرتبه‌های امیدوارکننده مدل رو از خود داده‌ها شناسایی کنید. بعد از آموزش مدل‌های منتخب هم یاد می‌گیرید چطور بهترین مدل رو از بین مدل‌های برازش‌شده انتخاب کنید. همچنین با یک چارچوب کاربردی برای ساختاردهی به پروژه‌های سری زمانی آشنا می‌شید.

4
مدل‌های ARIMA فصلی

در این بخش پایانی یاد می‌گیرید چطور از مدل‌های ARIMA فصلی برای برازش داده‌های پیچیده‌تر استفاده کنید. همچنین یاد می‌گیرید چطور داده‌ها رو به مؤلفه‌های فصلی و غیرفصلی تجزیه کنید. در نهایت هم فرصت پیدا می‌کنید تمام ابزارهای ARIMA که یاد گرفتید رو در یک چالش نهایی پیش‌بینی در مقیاس جهانی به کار بگیرید.

گواهی پایان دوره

  • تأیید مهارت شما

    با تکمیل این دوره، شما یک گواهی معتبر دریافت می‌کنید که بیانگر کسب مهارت‌های لازم مرتبط با این دوره آموزشی است.

  • اعتبار و اصالت گواهی

    هر مدرک دارای شناسه یکتا و لینک اعتبارسنجی است که امکان بررسی و تأیید اصالت آن را فراهم می‌کند.

  • اشتراک‌گذاری

    می‌توانید گواهی‌های خود را به‌راحتی در شبکه‌های حرفه‌ای مانند لینکدین با دیگران به اشتراک بگذارید.

اشتراک‌گذاری
منابع
US Monthly Candy Production

Monthly Record of CO2

Amazon Daily Closing Stock Price

Monthly Milk Production

Yearly Earthquakes

سوالات متداول

ARIMA مخفف عبارت «میانگین متحرک یکپارچه خودرگرسیو» (autoregressive integrated moving average) هست که یک مدل در آمار و اقتصادسنجی برای اندازه‌گیری اتفاقاتیه که در یک دوره زمانی رخ می‌دن. از این مدل برای درک داده گذشته یا پیش‌بینی داده آینده در یک سری استفاده می‌شه.

مهارت‌های برنامه‌نویسی پایتون برای موفقیت در این دوره ضروریه.

دوره «یادگیری نظارت‌شده با Scikit-learn» پیش‌نیاز این دوره‌ست.

این دوره برای یک دانشمند داده یا متخصص داده پیشرفته که می‌خواد داده گذشته رو درک کنه یا داده آینده رو در یک سری پیش‌بینی کنه، ایده‌آله.

دریافت اپلیکیشن فینکا

با اپلیکیشن فینکا، به بیشتر دوره‌ها و مسیرها روی موبایل دسترسی دارید، تمرین می‌کنید و یادگیری رو هم‌زمان روی موبایل و دسکتاپ ادامه می‌دید.