دوره

پردازش داده‌های سری زمانی در پایتون

در این دوره، با اصول اولیه کار با داده‌های سری زمانی آشنا می‌شید.

پیشرفته
تاریخ به‌روزرسانی:
28 مهر 1405
۴٫۶
پایتون
۴ ساعت
۱۶ ویدیو
۳۹ تمرین
۶۱۷ شرکت‌کننده
۴۷۰
کاربرهای فینکا در چه شرکت‌هایی مشغول به کار هستند؟
توضیحات دوره

در این دوره، با اصول اولیه پردازش داده‌های سری زمانی آشنا می‌شید. داده‌های سری زمانی با دنباله‌ای از تاریخ‌ها یا زمان‌ها اندیس‌گذاری می‌شن و یاد می‌گیرید چطور با استفاده از متدهای داخلی Pandas با این اندیس‌ها کار کنید. همچنین یاد می‌گیرید چطور سری‌های زمانی رو برای تغییر تناوب زمانی دوباره نمونه‌گیری کنید و مقادیر متحرک و تجمعی رو محاسبه کنید. در پایان هم با استفاده از داده‌های واقعی سهام، یک شاخص سهام ارزش‌وزنی می‌سازید و مهارت‌هایی که در طول دوره یاد گرفتید رو به کار می‌گیرید.

همونیه که می‌خواید یاد بگیرید؟

1
کار با سری های زمانی در Pandas
شروع رایگان

این بخش پایه‌های لازم برای استفاده از قابلیت‌های قدرتمند Pandas در کار با سری‌های زمانی رو فراهم می‌کنه؛ قابلیت‌هایی که تا حد زیادی به نحوه نمایش تاریخ‌ها در Pandas، به‌خصوص DateTimeIndex، وابسته هستن. یاد می‌گیرید چطور اطلاعات تاریخ و سری‌های زمانی رو ایجاد و دستکاری کنید و با دیتافریم‌های آگاه از زمان محاسبات انجام بدید تا داده‌ها رو در طول زمان جابه‌جا کنید یا بازده مربوط به دوره‌های زمانی مشخص رو محاسبه کنید.

2
معیارهای پایه سری زمانی و نمونه‌گیری مجدد

در این بخش، عمیق‌تر با قابلیت‌های مهم سری زمانی که از طریق DateTimeIndex در Pandas در دسترس هستن آشنا می‌شید. همچنین نمونه‌برداری مجدد رو یاد می‌گیرید و می‌بینید چطور می‌شه با نرمال‌سازی نقاط شروع، سری‌های زمانی مختلف رو با هم مقایسه کرد.

3
توابع پنجره‌ای: معیارهای متحرک و تجمعی

در این بخش یاد می‌گیرید چطور با استفاده از توابع پنجره‌ای، معیارهای سری زمانی رو هم برای پنجره‌های متحرک و هم برای پنجره‌های گسترشی محاسبه کنید.

4
جمع‌بندی آموخته‌ها: ساخت شاخص ارزش‌وزنی

در این بخش، مفاهیم قبلی رو با هم ترکیب می‌کنید و یاد می‌گیرید چطور یک شاخص وزن‌دهی‌شده بر اساس ارزش ایجاد کنید. این شاخص از داده‌های ارزش بازار موجود در فهرست شرکت‌های بورس برای محاسبه وزن‌ها و از اطلاعات قیمت سهام سال ۲۰۱۶ استفاده می‌کنه. در ادامه، عملکرد شاخص با شاخص‌های معیار مقایسه می‌شه تا عملکرد شاخصی که ایجاد کردید ارزیابی بشه.

گواهی پایان دوره

%0
  • 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
Air quality data

Stock data

سوالات متداول

برای شروع این دوره، باید با Pandas و پایتون در سطح متوسط آشنا باشید. همچنین تجربه کار با دیتافریم‌ها و پردازش اولیه داده‌ها لازمه.

در این دوره، یاد می‌گیرید چطور با DateTimeIndex کار کنید، سری‌های زمانی رو با تناوب‌های زمانی مختلف دوباره نمونه‌گیری کنید و مقادیر متحرک و تجمعی رو محاسبه کنید.

در پایان دوره، با استفاده از داده‌های واقعی سهام یک شاخص ارزش‌وزنی سهام می‌سازید و همه تکنیک‌های پردازش سری زمانی که در طول دوره یاد گرفتید رو در این پروژه به کار می‌گیرید.

تحلیل‌گران مالی، پژوهشگران کمی و دانشمندان داده‌ای که با داده‌های ترتیبی کار می‌کنن، به‌طور منظم از این مهارت‌ها برای تحلیل روندها و انجام پیش‌بینی‌ها استفاده می‌کنن.

این دوره شامل ۴ بخش و ۵۵ تمرین هست و بیشتر دانشجوها حدود 4 ساعت زمان برای تکمیلش نیاز دارن.

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.