ایجاد ویژگی ها برای داده سری های زمانی
✅ سرفصل و جزئیات آموزش
توضیحات دوره
این دوره بر اکتشاف داده، ایجاد ویژگی و انتخاب ویژگی برای دنبالههای زمانی تمرکز دارد. موضوعات مورد بحث شامل اتصال، هموارسازی (smoothing)، تبدیلها، عملیات مجموعهداده برای سریهای زمانی، تحلیل طیفی، تحلیل طیف منفرد (Singular Spectrum Analysis یا SSA)، معیارهای فاصله و تحلیل motif است.
در این دوره یاد میگیرید که چگونه تحلیل motif را انجام دهید و تحلیلها را در حوزه طیفی یا فرکانسی پیادهسازی کنید. همچنین با نحوه عملکرد معیارهای فاصله آشنا میشوید، کاربردهای مرتبط را پیادهسازی میکنید، کامپوننت های سیگنال را بررسی کرده و ویژگیهای سری زمانی ایجاد میکنید.
این دوره برای تحلیلگران با پیشزمینه کمی و همچنین متخصصان حوزههای مختلف که میخواهند جعبهابزار سری زمانی خود را گسترش دهند، مناسب است. پیش از شرکت در این دوره باید با مفاهیم پایه آمار آشنایی داشته باشید. میتوانید این تجربه را با گذراندن دوره Statistics with SAS به دست آورید. داشتن آشنایی با ماتریسها و تحلیل کامپوننت های اصلی نیز مفید است اما ضروری نیست.
ایجاد ویژگی ها برای داده سری های زمانی
-
بررسی 1:52
-
چگونه بیشترین بهره را از این تخصص ببرید؟ None
-
آشنایی با مدرس 0:53
-
پیشنیازهای دوره None
-
یافتن فایلهای دوره و تمرین در این دوره (الزامی) None
-
استفاده از انجمن و دریافت کمک None
-
پرسشهای متداول None
-
مقدمهای بر سریهای زمانی 0:48
-
ایجاد دادههای سری زمانی 2:05
-
انتخاب بازه برای تجمع دادهها، بخش 1 0:36
-
انتخاب بازه برای تجمع دادهها، بخش 2 1:49
-
دمو: تجمع دادههای تراکنشی در سریهای زمانی 4:03
-
معیارهای خلاصه روی سریهای زمانی 0:26
-
دمو: بررسی ویژگیهای خلاصه سریهای زمانی 3:16
-
اتصال سریهای زمانی 0:44
-
دمو: بررسی سریهای زمانی با استفاده از اتصال 3:02
-
سیگنال در برابر نویز 1:09
-
انواع سیگنال و Decompositions 3:59
-
دمو: Decompositions با استفاده از بسته TSA 3:51
-
دمو: ایجاد ویژگی با استفاده از سینتکس مشابه DATA Step در رویه TSMODEL 2:04
-
مقدمهای بر معیارهای فاصله برای سریهای زمانی 1:52
-
اندازهگیری شباهت دنبالهها 1:35
-
نگاشت مستقیم و Time Warping 1:56
-
دمو: نمونهای از Time Warping و هزینههای مسیر نسبی 4:54
-
دمو: خوشهبندی سریهای زمانی 4:24
-
مقدمهای بر نمایش نمادین دنبالهها 1:24
-
Symbolic Aggregate ApproXimation (SAX) 0:56
-
دمو: فاصله SAX برای رتبهبندی متغیرهای ورودی بر اساس شباهت به هدف 2:33
-
آشنایی با تحلیل طیفی 0:57
-
مبانی تحلیل طیفی 3:40
-
دمو: مقدمهای بر تحلیل طیفی 3:02
-
مفاهیم پایه مثلثات 1:32
-
رویکرد رگرسیونی برای شناسایی چرخهها 1:32
-
برآورد چگالی طیفی 1:03
-
دمو: پیاده سازی اطلاعات از Periodogram 3:04
-
مقدمهای بر تحلیل طیف منفرد (SSA) 1:24
-
SSA مرحلهبهمرحله 3:24
-
دمو: تحلیل طیف منفرد 2:59
-
دمو: کاربرد تحلیل طیف منفرد تکمتغیره 7:44
-
مقدمهای بر تحلیل Motif 0:57
-
مبانی کشف Motif 1:53
-
دو رویکرد برای کشف Motif 0:55
-
دمو: کشف Motif با روش Brute Force 2:18
-
دمو: کشف Motif با متد مدل احتمالاتی 3:48
-
دمو: امتیازدهی Motif 2:26
مشخصات آموزش
ایجاد ویژگی ها برای داده سری های زمانی
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:متوسط
- تعداد درس:45
- مدت زمان :01:32:49
- حجم :240.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy
آموزش های مرتبط
- زمان: 03:02:02
- تعداد درس: 14
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 58:00
- تعداد درس: 12
-
سطح دوره:
-
زبان: دوبله فارسی
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 11:25:13
- تعداد درس: 94
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 06:58:57
- تعداد درس: 60
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 02:27:39
- تعداد درس: 24
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 08:11:21
- تعداد درس: 28
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 09:44:25
- تعداد درس: 67
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 04:52:43
- تعداد درس: 38
-
سطح دوره:
-
زبان: دوبله فارسی