دوره

تحلیل سری زمانی در پایتون

در این دوره 4 ساعته، اصول اولیه تحلیل داده‌های سری زمانی در پایتون رو یاد می‌گیرید.

پیشرفته
تاریخ به‌روزرسانی:
24 آبان 1405
۴٫۵
پایتون
۴ ساعت
۱۷ ویدیو
۴۲ تمرین
۸۱۸ شرکت‌کننده
۴۸۵
کاربرهای فینکا در چه شرکت‌هایی مشغول به کار هستند؟
توضیحات دوره

از قیمت سهام گرفته تا داده‌های آب‌وهوایی، داده‌های سری زمانی در حوزه‌های مختلفی پیدا می‌شن و مهارت کار دقیق با این داده‌ها برای دانشمندان داده روزبه‌روز مهم‌تر می‌شه. این دوره شما رو با تحلیل سری زمانی در پایتون آشنا می‌کنه. بعد از این‌که یاد گرفتید سری زمانی چیه، با چند مدل از مدل‌های سری زمانی آشنا می‌شید؛ از مدل‌های خودرگرسیو و میانگین متحرک گرفته تا مدل‌های هم‌انباشتگی. در طول مسیر، یاد می‌گیرید چطور با استفاده از کتابخانه‌های آماری در پایتون، این مدل‌ها رو تخمین بزنید، پیش‌بینی کنید و شبیه‌سازی انجام بدید. همین‌طور مثال‌های زیادی از نحوه استفاده از این مدل‌ها می‌بینید که تمرکز ویژه‌ای روی کاربردهای مالی دارن.

همونیه که می‌خواید یاد بگیرید؟

1
همبستگی و خودهمبستگی

در این بخش با مفاهیم همبستگی و خودهمبستگی در داده‌های سری زمانی آشنا می‌شید. همبستگی رابطه بین دو سری زمانی رو توصیف می‌کنه، در حالی که خودهمبستگی رابطه یک سری زمانی با مقادیر گذشته خودش رو نشون می‌ده.

2
چند مدل ساده سری زمانی

در این بخش با چند مدل ساده سری زمانی، از جمله وایت‌نویز و گام تصادفی آشنا می‌شید.

3
مدل‌های خودرگرسیو (AR)

در این بخش با مدل‌های خودرگرسیو (AR) در سری‌های زمانی آشنا می‌شید. این مدل‌ها از مقادیر گذشته یک سری زمانی برای پیش‌بینی مقدار فعلی اون استفاده می‌کنن.

4
مدل‌های میانگین متحرک (MA) و ARMA

در این بخش با نوع دیگه‌ای از مدل‌های سری زمانی، یعنی مدل‌های میانگین متحرک (MA) آشنا می‌شید. همچنین یاد می‌گیرید چطور مدل‌های AR و MA رو با هم ترکیب کنید تا مدل‌های قدرتمند ARMA بسازید.

5
جمع‌بندی و به‌کارگیری آموخته‌ها

در این بخش یاد می‌گیرید چطور با استفاده از مدل‌های هم‌انباشتگی، دو سری زمانی رو به‌صورت مشترک مدل‌سازی کنید. در پایان هم با بررسی یک مطالعه موردی از داده‌های سری زمانی دمای شهر نیویورک، آموخته‌هاتون رو به کار می‌گیرید.

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
Financial time series datasets

UFO sightings

New York temperature data

سوالات متداول

ما از تحلیل سری زمانی استفاده می‌کنیم تا علت الگوهای سیستمی یا روندهایی که در طول زمان دیده می‌شن رو درک کنیم. با مصورسازی داده‌ها، افراد یا سازمان‌ها می‌تونن روندهای مرتبط و دلایلشون رو شناسایی کنن.

برای تحلیل داده‌های سری زمانی، باید داده‌ها رو به‌صورت پیوسته ثبت کنید؛ یعنی نقاط داده‌ای داشته باشید که در یک بازه زمانی مشخص توزیع شدن. می‌تونید از ابزارهای مختلفی از جمله پایتون برای رسم نمودار و مصورسازی این داده‌های سری زمانی استفاده کنید.

روش‌های متنوعی برای ایجاد داده‌های سری زمانی در پایتون وجود داره. می‌تونید از کتابخانه pandas_datareader برای دسترسی به داده‌های دنیای واقعی استفاده کنید، سراغ کتابخانه requests برید یا حتی با ابزارهایی مثل NumPy داده‌های مصنوعی بسازید.

چندین راه برای نمایش داده‌ها در پایتون وجود داره، از جمله استفاده از کتابخانه‌هایی مثل Matplotlib و Seaborn. می‌تونید اطلاعات بیشتر رو تو دوره مصورسازی داده‌های سری زمانی در پایتون ما یاد بگیرید.

بله، پایتون کتابخانه‌ها و ابزارهای مختلفی برای انجام پیش‌بینی سری زمانی داره که بهتون کمک می‌کنن مواردی مثل مدل‌های ARMA رو با کدهایی نسبتا ساده بسازید.

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.