كل الدورات
عن الدورة
تُقدّم هذه الدورة موضوعات متقدمة في التعلم الآلي تلبي حاجات تحليل بيانات السلاسل الزمنية والبيانات المقننة التي تحتاج إلى استنتاج النتائج لاحقًا. يتعلم المشاركون تقنيات مختلفة لتحليل السلاسل الزمنية وتحليل البقاء، مع التركيز على تطبيق أفضل الممارسات وفحص الافتراضات الإحصائية. يتضمن المنهج توضيح تحديات النمذجة الشائعة مثل تفكيك البيانات إلى مكونات الاتجاه، الموسمية، والبقايا، مع شرح نماذج الانحدار الذاتي والمتوسط المتحرك.
ماذا ستتعلم
- تحليل بيانات تحتوي على بعد زمني
- معالجة البيانات المقننة لاستنتاج النتائج
- تعلم تقنيات تحليل السلاسل الزمنية
- تطبيق تحليل البقاء
- فهم تحديات النمذجة الشائعة وتفكيك البيانات الزمنية
- شرح نماذج الانحدار الذاتي والمتوسط المتحرك
المتطلبات المسبقة
- الإلمام الأساسي بالمصطلحات والموضوعات ذات الصلة
- الاستعداد للممارسة العملية عبر تمارين أو دراسات حالة
المدرسون
M
Mark J Grover
Digital Content Delivery Lead
M
Miguel Maldonado
Machine Learning Curriculum Developer
المواضيع
تعلم آلي
علوم بيانات
تحليل بيانات
نمذجة تنبؤية
تحليل السلاسل الزمنية والتنبؤ
طرق إحصائية
تحليل إحصائي
تعلم عميق
معلومات الدورة
المنصةCoursera
المستوىغير محدد
طريقة التعلمغير محدد
السعرمجاني
المهارات
تعلم آلي
علوم بيانات
تحليل بيانات
نمذجة تنبؤية
تحليل السلاسل الزمنية والتنبؤ
طرق إحصائية
تحليل إحصائي
تعلم عميق
Applied Machine Learning
Pandas (Python Package)
إعلان
إعلان