ایوند با محدود کردن حق استفاده از اینترنت مخالف است. شما نیز به این کارزار بپیوندید.#صیانت_از_حقوق_کاربراناطلاعات بیشتر
کاور
"سری‌زمانی با زبان Python" در تاریخ چهارشنبه ۲۸ مهر ساعت ۲۰:۰۰ به پایان رسیده است.
جزئیات
مهلت ثبت‌نام
قیمت (تومان)
تعداد
سری‌زمانی با زبان Python
-
۳۰۰,۰۰۰ تومان
اتمام ظرفیت اتاق

توضیحات

1- ضرورت تشكيل دوره:

تحلیل سری‌های زمانی در حوزه‌های متعددی از کسب‌وکار نظیر حوزه مالی، سیستم‌های سلامت، صنعت خرده‌فروشی، علوم اقتصادی تا علوم پایه کاربرد دارد. از آنجایی که رفتار داده‌ها در طول زمان یکسان نمی‌باشد و در بستر زمان این رفتار تغییر می‌نماید، الگو‌ها مختلفی بمنظور پیش‌بینی سری‌های زمانی توسط خبرگان این حوزه، تعریف شده است که سبب آن می‌شود تا تحلیلگران در گزارش‌های خود به بررسی ‌آن‌ها بپردازند. امروزه جهت پیاده‌سازی محاسبات و مدل‌های سری‌زمانی، از زبان برنامه‌نویسی پایتون استفاده می شود. با استفاده از داده‌های گردآوری شده پیرامون پدیده‌های اجتماعی، مالی و صنعتی گذشته قادر خواهید بود رخدادها و وقایع آتی را توسط مدل‌های سری‌ زمانی مورد پیش‌بینی قرار دهید.

2- اهداف برگزاري دوره:

1-     تسلط شرکت کنندگان بر مفاهیم و مبانی سری‌های زمانی

2-     شناخت کامل بر مدل‌های سری‌زمانی

3-     پیاده‌سازی تحلیل‌های سری‌زمانی بر روی کیس‌های واقعی

4-     بررسی پروژه‌های سری‌زمانی در پایتون

5-     کشف الگو از داده‌ها بوسیله برنامه‌نویسی در پایتون و پیش بینی شاخص‌ها

3- مزایای دوره:

1-     معرفی دوره های آموزشی بین المللی و آموزش اخذ مدارک بین المللی

2-     معرفی کتب رفرنس و مرجع سری‌های زمانی

3-     پروژه محور بودن طول دوره و بررسی کیس‌استادی‌های مختلف در حوزه‌های مالی و سلامت (کووید 19)

4- توانايي‌هاي مورد انتظار فراگيران در پايان دوره/ كارگاه:

1-     توانایی تجزیه‌تحلیل مدل‌های سری‌زمانی

2-     تسلط بر مفاهیم و مبانی سری‌زمانی در علم‌داده

3-     شناخت بر روش‌های پیاده‌سازی و عملیاتی سری‌زمانی

 

5- سرفصل دوره:

 

§  An Introduction to Time Series

§  Data Visualization Analysis for Time Series Data

§  Patterns in a Time Series

§  Treat missing values in a Time Series

§  Cross Validation in Time Series

§  Stationary and non-stationary Time Series

§  Statistic Method for Time Series

§  Difference between white noise and a stationary series

§  Seasonality Time Series

§  Autocorrelation

§  ACF and PACF

§  Autoregressive Model 

§  Moving Average Model

§  ARIMA & SARIMA Models

§  ARCH & GARCH Models

§  Prophet Algorithm

§  An Introduction to Neural Networks for Time Series

§  Long-Short Term Memory (LSTM) 

 

 

 

منابع 

 

رديف
عنوان
نويسنده/ مؤلف/ مترجم
ناشر و تاريخ انتشار
1
Machine Learning for Time Series
Francesca Lazzeri

Professor of Columbia University

Post-Doc Economic, Harvard University
Wiley 2021
2
Practical Time Series Analysis
Aileen Nielsen

Professor of ETH Zurch University
O Reilly 2020
3
Time Series Analysis and Forecasting 
Douglas Montgomery
Wiley 2015
4
Practical Time Series Analysis Using Python
Avishek Pal
Packt 2017
5
Introduction to Time Series Forecasting with Python
Json Brownlee
2020
6
Forecasting: Principles & Practice
Rob Hyndman
2013
 

 

 

سخنرانان

امیررضا تجلی
امیررضا تجلی

 امیررضا تجلی – کارشناسی ارشد مهندسی صنایع دانشگاه تهران

 سابقه بیش از 7 سال فعالیت و مشاوره در حوزه علم داده

 مدیر اجرایی مرکز مطالعات مهندسی دانشگاه تهران، 97 تاکنون

 مشاور و مدرس سازمان آموزش و پژوهش مدیریت و برنامه ریزی ریاست جمهوری، 98

 مشاور تحلیل داده درگروه امدادخودرو گروه ایران خودرو، 99

 سابقه فعالیت در حوزه کنترل کیفیت داده در شرکت های زیرمجموعه گروه خودرو سازی سایپا، 94 تاکنون

 مدرس بیش از 400 دوره علم داده از سال 94 در دانشگاه‌ها و سازمان‌هایی همچون: صنعتی شریف، تهران، امیرکبیر، شهیدبهشتی، علم و صنعت، خواجه نصیر، الزهرا، علامه طباطبایی، خوارزمی، پژوهشگاه دانش‌های بنیادی، پتروشیمی جم، پتروشیمی مهر، شرکت پتروپارس، شرکت GSS Tech، سازمان نظام مهندسی، بانک انصار، همکاران سیستم، شهرداری تهران، شرکت معیار صنعت خاورمیانه، گروه ایستک، موسسه زیما، گروه صنعتی آریانا، آریا همراه

 سخنران بیش از 30 عنوان همایش و سمینار ملی و بین المللی نظیر: کنگره بین المللی کلان داده اروپا - آسیا 2019 | دوازدهمین فستیوال صنعتی دانشکده مکانیک دانشگاه صنعتی شریف |سومین همایش ملی پیشرفت های معماری سازمانی دانشگاه صنعتی شریف |دومین همایش بزرگ دانشگاه تهران | شانزدهمین کنفرانس بین المللی مهندسی صنایع، کاربرد علم داده در صنعت، دانشگاه الزهرا

برگزار‌کننده

آواتار

Diginext

آکادمی دیجی‌نکست با هدف شبکه‌سازی میان افراد مستعد در حوزه تکنولوژی بویژه هوش مصنوعی و برنامه‌نویسی ایجاد شده. در آکادمی دیجی‌نکست دروه‌های آموزشی، کارگاه و ایونت‌هایی برگزار می‌شود که هدف از این فعالیت‌ها آموزش به افرادی است که به این حوزه‌ها علاقه

رویداد های برگزارشده۲۵
رویداد های فعال۴
تعداد افراد توصیهکننده این برگزارکنندهبیشتر از ۱۱۰ نفر

رویدادهای زیر را به شما پیشنهاد می‌کنیم

تا ۶ آبان

کارگاه متن‌کاوی، وب‌کاوی و تحلیل شبکه اجتماعی

  • آنلاین
  • ۵۰۰,۰۰۰ تومان
  • Diginext
پنج‌شنبه ۱۱ آذر

برنامه‌نویسی پایتون با رویکرد بیوانفورماتیکی در دانشگاه تهران

  • آنلاین
  • ۷۹۰,۰۰۰ تومان
  • Computer Researchers
تا ۴ آذر

کارگاه آنلاین برنامه نویسی R و داده کاوی

  • آنلاین
  • از ۳۹۸,۰۰۰ تومان
  • گروه آموزشی پژواک دانش
دوشنبه ۳ آبان

سومین دوره آموزشی طراحی سایت بدون کدنویسی آنلاین

  • آنلاین
  • از ۱,۸۷۵,۰۰۰ تومان
  • کافه‌کسب‌و‌کار