تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی تجزیه و تحلیل داده های Excel: پیش بینی

دوره آموزشی تجزیه و تحلیل داده های Excel: پیش بینی

3 ساعت 7 دقیقهمتوسط2014-09-29

مدرسین

Wayne Winston

Wayne Winston

Professor of Decision Sciences at Kelley School of Business

جزئیات دوره

پروفسور وین وینستون بیش از بیست سال است که تکنیک های پیش بینی پیشرفته را به شرکت های Fortune 500 آموزش داده است. در این دوره، او نحوه استفاده از ابزارهای تجزیه و تحلیل داده های Excel-از جمله نمودارها، فرمول ها و توابع-را برای ایجاد پیش بینی های دقیق و روشن نشان می دهد. با نحوه نمایش بصری داده های سری زمانی آشنا شوید. با محاسبه خطاها و سوگیری ها، مطمئن شوید که پیش بینی های شما دقیق است. از خطوط روند برای شناسایی روندها و داده های دورتر استفاده کنید. رشد مدل ؛ حساب فصلی ؛ و متغیرهای ناشناخته را با تحلیل رگرسیون چندگانه شناسایی کنید. مجموعه ای از چالش های عملی در طول راه به شما کمک می کند مهارت های خود را محک بزنید و کار خود را با راه حل های وین مقایسه کنید.

اهداف یادگیری
نمایش داده های سری زمانی با رسم و نمایش اطلاعات.
یک نمودار میانگین متحرک تهیه کنید.
نحوه محاسبه خطاها و سوگیری ها را بشناسید.
تفسیر و استفاده از خطوط روند
نحوه مدل سازی رشد نمایی را تعیین کنید.
محاسبه نرخ رشد سالانه
تأثیر فصلی را تجزیه و تحلیل کنید.
روش میانگین نسبت به متحرک را مشخص کنید.

مهارت ها

SpreadsheetsMicrosoft ExcelData AnalysisData ScienceBusiness Analysis and StrategyBusiness Software and ToolsMicrosoftDeep Dive (X:Y)

سرفصل ها

0. مقدمه

  • 01 - خوش آمدید
  • 02 - این دوره برای چه کسانی است
  • 03 - آنچه باید قبل از تماشای این دوره بدانید
  • 04 - استفاده از فایل‌های تمرین
  • 05 - استفاده از چالش ها

1. نمایش بصری داده‌های سری زمانی شما

  • 06 - داده‌های سری زمانی چیست
  • 07 - ترسیم یک سری زمانی
  • 08 - درک سطح در یک سری زمانی
  • 09 - درک روند در یک سری زمانی
  • 10 - درک فصلی در یک سری زمانی
  • 11 - درک نویز در یک سری زمانی
  • 12 - ایجاد نمودار میانگین متحرک
  • 13 - چالش - تجزیه‌و‌تحلیل داده‌های سری زمانی برای مایل‌های خطوط هوایی
  • 14 - راه حل - تجزیه‌و‌تحلیل داده‌های سری زمانی برای مایل‌های خطوط هوایی

2. خطاها، دقت و سوگیری پیش بینی‌های شما چقدر خوب است

  • 15 - بررسی اینکه چرا برخی از پیش بینی‌ها بهتر از دیگران هستند
  • 16 - محاسبه میانگین انحراف مطلق (MAD)
  • 17 - محاسبه میانگین درصد مطلق خطا (MAPE)
  • 18 - محاسبه مجموع مربعات خطاها (SSE)
  • 19 - تعصب پیش‌بینی محاسباتی
  • 20 - تعصب پیش‌بینی پیشرفته - تعیین اهمیت
  • 21 - چالش - MAD، MAPE و SSE را برای یک بازی NFL محاسبه کنید
  • 22 - راه حل - MAD، MAPE و SSE را برای یک بازی NFL محاسبه کنید

3. استفاده از خط روند برای پیش بینی

  • 23 - برازش منحنی روند خطی
  • 24 - تفسیر خط روند
  • 25 - تفسیر مقدار R-squared
  • 26 - محاسبه خطای استاندارد رگرسیون و نقاط پرت
  • 27 - بررسی خودهمبستگی
  • 28 - چالش - یک خط روند برای تجزیه‌و‌تحلیل R مربع و نقاط پرت ایجاد کنید
  • 29 - راه حل - یک خط روند برای تجزیه‌و‌تحلیل R مربع و نقاط پرت ایجاد کنید

4. مدل‌سازی رشد نمایی و نرخ رشد سالانه مرکب (CAGR)

  • 30 - چه زمانی یک روند خطی شکست می‌خورد
  • 31 - ایجاد منحنی روند نمایی
  • 32 - محاسبه نرخ رشد سالانه مرکب (CAGR)
  • 33 - چالش - متناسب با منحنی رشد نمایی، تخمین CAGR و پیش‌بینی درآمد
  • 34 - راه حل - منحنی رشد نمایی را تنظیم کنید، CAGR را تخمین بزنید و درآمد را پیش‌بینی کنید

5. فصلی بودن و روش نسبت به میانگین متحرک

  • 35 - شاخص فصلی چیست
  • 36 - معرفی روش نسبت به میانگین متحرک
  • 37 - محاسبه میانگین متحرک متمرکز
  • 38 - محاسبه شاخص‌های فصلی
  • 39 - تخمین روند سری
  • 40 - پیش‌بینی فروش
  • 41 - پیش‌بینی در صورت تغییر روند سری
  • 42 - چالش - پیش‌بینی فروش سه ماهه آینده
  • 43 - راه حل - پیش‌بینی فروش سه ماهه آینده

6. پیش‌بینی با رگرسیون‌های چندگانه

  • 44 - رگرسیون چندگانه چیست
  • 45 - آماده سازی داده‌ها برای رگرسیون چندگانه
  • 46 - اجرای رگرسیون خطی چندگانه
  • 47 - یافتن معادله رگرسیون چندگانه و آزمون معناداری
  • 48 - تناسب خط روند چقدر خوب است
  • 49 - پیش‌بینی از یک معادله رگرسیون چندگانه
  • 50 - اعتبار سنجی معادله رگرسیون چندگانه با استفاده از تابع TREND
  • 51 - تفسیر ضرایب رگرسیون
  • 52 - چالش - تحلیل رگرسیون درآمد Amazon.com
  • 53 - راه حل - تحلیل رگرسیون درآمد Amazon.com

نتیجه

  • 54 - مراحل بعدی

دوره های مرتبط

مسیرهای مرتبط

درباره ما

لینداکده یک بستر یادگیری پیشرو است که به افراد کمک می کند تا کسب و کار ، نرم افزار ، فناوری و مهارت‌های خلاقانه را برای دستیابی به اهداف شخصی و حرفه ای بیاموزد.

شماره تلفنکانال آپاراتپشتیبانی تلگرامکانال تلگرامپیج اینستاگرام

کلیه‌ی حقوق این سایت متعلق به لینداکده می باشد

قوانین و شرایط|حریم خصوصی

نماد الکترونیک enamad در صورت اتصال با آی‌پی داخل کشور، نمایش داده خواهد شد.
logo-samandehi - لوگو ساماندهی
zarinpal
zibal