دروس السلاسل الزمنية
مسار متدرج يربط كل درس بوحدة في المختبر لتطبق ما تعلمته على بيانات حقيقية مباشرة.
- 1ما السلسلة الزمنية؟ ولماذا نتنبأ بها؟What is a Time Series?
- 2مكونات السلسلة: الاتجاه والموسمية والدورة والضوضاءTrend, Seasonality, Cycles and Noise
- 3تفكيك السلسلة الزمنيةTime Series Decomposition
- 4الاستقرارية واختبارا ADF وKPSSStationarity, ADF and KPSS
- 5الارتباط الذاتي ACF والجزئي PACFACF and PACF
- 6تنظيف البيانات: القيم المفقودة والشاذة والانتظام الزمنيMissing Values, Outliers and Regularity
- 7التحويلات: اللوغاريتم والتفاضل والتطبيعTransformations
- 8طرق خط الأساس: لماذا نبدأ بالبسيط؟Baseline Methods
- 9التمهيد الأسي: SES وHolt وHolt-Winters وETSExponential Smoothing
- 10نماذج ARIMA ومنهجية Box-JenkinsARIMA and the Box-Jenkins Method
- 11SARIMA والمتغيرات الخارجيةSARIMA and Exogenous Variables
- 12التعلم الآلي للسلاسل الزمنيةMachine Learning for Time Series
- 13التعلم العميق: RNN وLSTM وGRURNN, LSTM and GRU
- 14Transformer وN-BEATS وTFTTransformers, N-BEATS and TFT
- 15مقاييس تقييم التنبؤForecast Accuracy Metrics
- 16التقسيم الزمني والتحقق المتقاطع وتسرب البياناتTime Series Validation and Leakage
- 17فترات التنبؤ وتشخيص البواقيPrediction Intervals and Residual Diagnostics
