دادههای سری زمانی (Time Series) در بسیاری از حوزهها از جمله هوش مصنوعی، علم داده، اقتصاد، بازارهای مالی، اینترنت اشیا و پیشبینی فروش کاربرد دارند. یادگیری این حوزه نیازمند آشنایی با مبانی آماری، روشهای Forecasting و ابزارهای عملی مانند Python است.
در این باندل، مجموعهای از کتابهای منتخب گردآوری شده است که از مباحث پایه تا تکنیکهای پیشرفته تحلیل و پیشبینی سریهای زمانی را پوشش میدهند. موضوعاتی مانند آمادهسازی داده، تحلیل اکتشافی، مدلهای آماری نظیر ARIMA و SARIMA، روشهای یادگیری ماشین، شبکههای عصبی LSTM و پیادهسازی پروژههای واقعی با Python از جمله مباحث این مجموعه هستند. کتاب محوری این باندل Time Series Analysis with Python Cookbook است که بیش از ۶۰۰ صفحه آموزش عملی برای تحلیل و پیشبینی سریهای زمانی ارائه میدهد.
این مجموعه برای افراد زیر مناسب است:
- دانشجویان علوم داده، آمار، هوش مصنوعی و مهندسی کامپیوتر
- تحلیلگران داده (Data Analyst)
- دانشمندان داده (Data Scientist)
- مهندسان یادگیری ماشین (Machine Learning Engineer)
- پژوهشگران اقتصاد و مالی
- برنامهنویسان Python علاقهمند به Forecasting
مهارتهایی که یاد میگیرید
- درک مفاهیم سریهای زمانی
- آمادهسازی و پاکسازی دادههای زمانی
- تحلیل روند، فصلمندی و نوسانات
- پیادهسازی مدلهای ARIMA و SARIMA
- Forecasting با Prophet
- تحلیل سری زمانی با Pandas و Statsmodels
- استفاده از LSTM و TensorFlow برای پیشبینی
- ارزیابی و بهینهسازی مدلهای پیشبینی
موضوعات تحت پوشش
- Time Series Analysis
- Forecasting
- Time Series Forecasting
- Python for Time Series
- Pandas
- NumPy
- Statsmodels
- ARIMA
- SARIMA
- Prophet
- LSTM
- Deep Learning
- Machine Learning
- Feature Engineering
- Time Series Visualization
- Model Evaluation
- Anomaly Detection