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 يتنبأ البنك التجاري بالأداء المتوقع لمحفظة قروضه؟ أو كيف يقدر مدير الاستثمار مخاطر محفظة الأسهم؟ ما هي الأساليب الكمية المستخدمة للتنبؤ بالعقارات؟ إذا كان هناك بعض الاعتماد على الوقت، فأنت تعرف ذلك - الجواب هو: تحليل السلاسل الزمنية. ستعلمك هذه الدورة المهارات العملية التي ستسمح لك بالحصول على وظيفة كمحلل مالي كمي، أو محلل بيانات، أو عالم بيانات. وفي وقت قصير، ستكتسب المهارات الأساسية التي ستمكنك من ذلك لإجراء تحليل السلاسل الزمنية المعقدة التي تنطبق مباشرة في الممارسة العملية. لقد أنشأنا دورة تدريبية متسلسلة زمنية ليست خالدة فحسب، بل أيضًا: · سهلة الفهم · شاملة · عملية · إلى صلب الموضوع · مليئة بالكثير من التمارين والموارد ولكننا نعلم أن ذلك قد لا يكون كافيًا. نحن نأخذ أبرز الأدوات وننفذها من خلال لغة Python - لغة البرمجة الأكثر شيوعًا في الوقت الحالي. مع أخذ ذلك في الاعتبار... مرحبًا بك في تحليل السلاسل الزمنية في بايثون! السؤال الكبير في أخذ دورة عبر الإنترنت هو ما يمكن توقعه. وقد تأكدنا من تزويدك بكل ما تحتاجه لتصبح ماهرًا في تحليل السلاسل الزمنية. نبدأ باستكشاف نظرية السلاسل الزمنية الأساسية لمساعدتك على فهم النمذجة التي تأتي بعد ذلك. وبعد ذلك، سنعمل طوال الدورة مع عدد من مكتبات بايثون، مما يوفر لك تدريبًا كاملاً. سوف نستخدم وظائف السلاسل الزمنية القوية المضمنة في الباندا، بالإضافة إلى المكتبات الأساسية الأخرى مثل NumPy وmatplotlib وStatsModels وyfinance وARCH وpmdarima. باستخدام هذه الأدوات، سنتقن النماذج الأكثر استخدامًا على نطاق واسع: · AR (نموذج الانحدار الذاتي) · MA (نموذج المتوسط المتحرك) · ARMA (نموذج الانحدار الذاتي للمتوسط المتحرك) · ARIMA (نموذج المتوسط المتحرك المتكامل للانحدار الذاتي) · ARIMAX (نموذج الانحدار الذاتي المتكامل للمتوسط المتحرك مع المتغيرات الخارجية). SARIA (نموذج المتوسط ​​المتحرك الانحداري الذاتي الموسمي). ساريما (نموذج الانحدار الذاتي المتكامل للمتوسط ​​المتحرك الموسمي). SARIMAX (نموذج الانحدار الذاتي المتكامل للمتوسط ​​المتحرك مع متغيرات خارجية) · ARCH (نموذج الانحدار الذاتي المشروط للتغاير) · GARCH (نموذج الانحدار الذاتي المشروط للتغاير المتغاير). VARMA (نموذج المتوسط ​​المتحرك للانحدار الذاتي)
نحن نعلم أن السلاسل الزمنية هي واحدة من تلك المواضيع التي تترك دائمًا بعض الشكوك. حتى الآن. هذه الدورة هي بالضبط ما تحتاجه لفهم السلاسل الزمنية مرة واحدة وإلى الأبد. ليس هذا فحسب، بل ستحصل أيضًا على الكثير من المواد الإضافية - ملفات دفاتر الملاحظات وملاحظات الدورة التدريبية وأسئلة الاختبار والعديد والعديد من التمارين - تم تضمين كل شيء.
هذه هي الدورة التدريبية الوحيدة التي تجمع بين أحدث تقنيات التعلم الإحصائي والعميق لتحليل السلاسل الزمنية. أولاً، تغطي الدورة المفاهيم الأساسية للسلاسل الزمنية:

• الثبات واختبار ديكر-فولر المعزز
• الموسمية
• الضوضاء البيضاء
• المشي العشوائي
• الانحدار الذاتي
• المتوسط المتحرك
• ACF وPACF،
• اختيار النموذج باستخدام AIC (معيار معلومات Akaike)

ثم ننتقل إلى الأمام وتطبيق نماذج إحصائية أكثر تعقيدًا للتنبؤ بالسلاسل الزمنية:

• ARIMA (نموذج المتوسط المتحرك المتكامل للانحدار التلقائي)
• SARIMA (نموذج المتوسط المتحرك المتكامل للانحدار الذاتي الموسمي)
• SARIMAX (نموذج المتوسط المتحرك المتكامل للانحدار الذاتي الموسمي مع المتغيرات الخارجية)

نغطي أيضًا تنبؤات السلاسل الزمنية المتعددة باستخدام:

• VAR (المتجه) الانحدار التلقائي)
• VARMA (نموذج المتوسط المتحرك للانحدار الذاتي المتجه)
• VARMAX (نموذج المتوسط المتحرك للانحدار الذاتي المتجه مع متغير خارجي)

ثم ننتقل إلى قسم التعلم العميق، حيث سنستخدم Tensorflow لتطبيق تقنيات التعلم العميق المختلفة لتحليل السلاسل الزمنية:

• نموذج خطي بسيط (شبكة عصبية ذات طبقة واحدة)
• DNN (العصبي العميق) الشبكة)
• CNN (الشبكة العصبية التلافيفية)
• LSTM (الذاكرة الطويلة قصيرة المدى)
• نماذج CNN + LSTM
• ResNet (الشبكات المتبقية)
• الانحدار التلقائي LSTM

على مدار الدورة التدريبية، ستكمل أكثر من 5 مشاريع شاملة في Python، مع توفر جميع رموز المصدر لك.

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)