تحلیل و پیش بینی سری زمانی با دیپ لرنینگ

همواره تحلیل و پیش بینی داده های سری زمانی از چالش های پیش روی انسان برای برنامه ریزی و تصمیم گیری بهینه بوده است . سری زمانی را می توان با استفاده از مدل های کلاسیک و آماری سری زمانی مانند ARMIA و SARIMA تحلیل و پیش بینی کرد اما این مدل ها تنها قادرن روابط خطی داده ها را کشف کنند و همچنین در تحلیل سری های زمانی چند متغیره ضعیف هستند و کارایی شان کم می شود . با پیشرفت هوش مصنوعی و الگوریتم های غیر خطی و همین گسترش کاربرد یادگیری ماشین و یادگیری عمیق در حوزه های مختلف در چند ساله ی اخیر ،دانشمندان پی بردند که این الگوریتم ها دقت خوبی در پیش بینی داده های سری زمانی دارند و می توانند از پس سری های زمانی چند متغیره به خوبی برآیند . جهت مشاهده کامل دوره به سایت دانشسرا و آدرس زیر مراجعه فرمایید. https://www.daneshsara.org/course/%D8%AA%D8%AD%D9%84%DB%8C%D9%84-%D9%88-%D9%BE%DB%8C%D8%B4-%D8%A8%DB%8C%D9%86%DB%8C-%D8%B3%D8%B1%DB%8C-%D8%B2%D9%85%D8%A7%D9%86%DB%8C-%D8%A8%D8%A7-%D8%AF%DB%8C%D9%BE-%D9%84%D8%B1%D9%86%DB%8C%D9%86%DA%AF

• #تحصیلات_و_یادگیری
• #دیپ_لرنینگ
• #تحلیل_و_پیش_بینی_سری_ها
• #تحلیل_و_پیش_بینی_سری_زم