Applied Time Series Analysis and Forecasting in Python

أهلا بك عزيزي المتابع لموقع (journey for learn) نقدم دورات بكوبونات متاحة لاول 1000 تسجيل مجاني فقط وكوبونات اخري لفترة محدودة فاذا كنت تريد ان تحصل علي كل الكورسات علي موقعنا وان تكون اول المسجلين في الكورسات المجانية قم بتسجيل الدخول أوقم بالدخول علي وسائل التواصل الاجتماعي وخصوصا التليجرام نوضح الوصف المختصر والطويل للدورات لكي تعرف الدروس التي سوف تتعلمها بسهولة ويسر :

كيف يتوقع البنك التجاري الأداء المتوقع لمحفظة القروض الخاصة به؟ أو كيف يقدر مدير الاستثمار مخاطر محفظة الأسهم؟ - الجواب هو: تحليل السلاسل الزمنية. سوف يعلمك هذه الدورة المهارات العملية التي تتيح لك الحصول على وظيفة كمحلل تمويل كمي أو محلل بيانات أو عالم بيانات. في أي وقت من الأوقات ، سوف تكتسب المهارات الأساسية التي سوف تمكنك من إجراء تحليل السلاسل الزمنية المعقدة قابلة للتطبيق مباشرة في الممارسة. لقد أنشأنا دورة سلسلة زمنية ليست فقط خالدة ولكن أيضًا: · من السهل فهمها · شاملة · إلى النقطة المليئة بالكثير من التمارين والموارد التي نعلم أنها قد لا تكون كافية. تنفيذها من خلال Python - لغة البرمجة الأكثر شعبية في الوقت الحالي. مع وضع ذلك في الاعتبار ... مرحبًا بك في تحليل السلاسل الزمنية في Python! السؤال الكبير في أخذ دورة عبر الإنترنت هو ما يمكن توقعه. وتأكدنا من أنه يتم تزويدك بكل ما تحتاجه لتصبح بارعًا في تحليل السلاسل الزمنية. نبدأ باستكشاف نظرية السلاسل الزمنية الأساسية لمساعدتك على فهم النمذجة التي تأتي بعد ذلك. عدد من مكتبات Python ، مما يوفر لك تدريبًا كاملاً. سوف نستخدم وظائف السلسلة الزمنية القوية المضمنة في الباندا ، وكذلك المكتبات الأساسية الأخرى مثل Numpy و Matplotlib و StatsModels و Yfinance و Arch و Pmdarima. مع هذه الأدوات ، سنقوم بإتقان النماذج الأكثر استخدامًا على نطاق واسع: النموذج) · MA (نموذج المتوسط ​​المتحرك) · ARMA (نموذج المتوسط ​​التلقائي للانحدار الذاتي) · ARIMA (نموذج متوسط ​​متحرك متكامل للضغط) · arimax (نموذج متوسط ​​متحرك متكامل مع المتغيرات الخارجية). ساريا (نموذج متوسط ​​الحركة التلقائي الموسمي). سريما (نموذج متوسط ​​متحرك متكامل للانضمام التلقائي). Sarimax (نموذج متوسط ​​متحرك متكامل للانحدار التلقائي مع المتغيرات الخارجية) · القوس (نموذج التغاير التلقائي التلقائي) · GARCH (نموذج التغاير المتغاير التلقائي الذاتي المعمم). VARMA (نموذج المتوسط ​​المتوسط ​​المتحرك في Vector Autoregressed)
نعلم أن السلسلة الزمنية هي واحدة من تلك المواضيع التي تترك دائمًا بعض الشكوك. ليس ذلك فحسب ، بل ستحصل أيضًا على الكثير من المواد الإضافية - ملفات دفاتر الملاحظات ، وملاحظات الدورة التدريبية ، وأسئلة الاختبار ، والعديد من التمارين ، كل شيء متضمن. تقنيات تحليل السلاسل الزمنية. أولاً ، تغطي الدورة المفاهيم الأساسية للسلسلة الزمنية:

• اختبار الثبات واختبار Dicker-Fuller المعزز
• الموسمية
• الضوضاء البيضاء
• عشوائي المشي
• Autoregression
• متوسط ​​متوسط ​​
• ACF و PACF ،
• اختيار النموذج مع AIC (معيار معلومات Akaike)
< /UL> بعد ذلك ، ننتقل ونطبق نماذج إحصائية أكثر تعقيدًا للتنبؤ بالسلسلة الزمنية:
• arima (نموذج متوسط ​​متحرك متكامل للانحدار التلقائي)
• ساريما (نموذج متوسط ​​متحرك متكامل للانحدار التلقائي) <موسمي النموذج المتوسط ​​المتحرك المتكامل للانحدار التلقائي) < /li>
• ساريماكس (نموذج متوسط ​​متحرك متكامل للانحدار التلقائي مع متغيرات خارجية)
نحن أيضًا نغطي التنبؤ بسلسلة زمنية متعددة مع:
• var (utoRegression vector)
• varma (نموذج المتوسط ​​المتوسط ​​المتحرك التلقائي المتجه)
• varmax (نموذج متوسط ​​الحركة التلقائي المتجه مع متغير خارجي)
ثم ننتقل إلى قسم التعلم العميق ، حيث نحن سوف تستخدم Tensorflow لتطبيق تقنيات التعلم العميق المختلفة لتحليل سلسلة Times:
• نموذج خطي بسيط (شبكة عصبية طبقة واحدة)
• DNN (شبكة عصبية عميقة)
CNN (الشبكة العصبية التلافيفية)
• LSTM (ذاكرة قصيرة المدى طويلة)
• نماذج CNN + LSTM
• resnet (الشبكات المتبقية)
• ستقوم بإكمال أكثر من 5 مشاريع شاملة في Python ، مع إكمال أكثر من 5 مشاريع شاملة في بيثون ، خلال الدورة التدريبية ، سوف تكمل أكثر من 5 مشاريع شديدة الانهيار ما هي المتطلبات الأساسية لدخول الدورة والتسجيل فيها على موقعنا؟ رحلة التعلم:

  (احصل على الدورة للدخول إلى الموقع والتسجيل)

  يجب أن يكون لديك بريد إلكتروني (حساب بريد) تتذكره لنفسك وأيضًا يجب أن تتذكر كلمة مرور البريد الإلكتروني الذي ستسجل به ، وإذا لم يكن لديك حساب بريد إلكتروني ، فمن الأفضل إنشاء حساب (Gmail)