دوره آموزشی پایتون برای پیش‌بینی سری‌های زمانی

اگه با داده‌هایی سر و کار داری که به ترتیب زمان ثبت شدن—مثل فروش ماهانه، قیمت انرژی، یا آمارهای اقتصادی—این دوره مخصوص خودته! توی این آموزش، به‌صورت کاملاً عملی و پروژه‌محور یاد می‌گیری چطور سری‌های زمانی (Time Series) رو با پایتون تحلیل و پیش‌بینی کنی.

با استفاده از دیتاست‌های واقعی از منابعی مثل EIA (اداره اطلاعات انرژی آمریکا) و FRED (داده‌های اقتصادی فدرال رزرو)، قدم به قدم جلو می‌ریم:

از لود و پاکسازی داده‌ها شروع می‌کنیم

الگوهای فصلی و روندها رو بررسی می‌کنیم

با استفاده از Plotly نمودارهای تعاملی می‌کشیم

و بعد سراغ مدل‌های معروف پیش‌بینی می‌ریم مثل:

ARIMA

SARIMA

Exponential Smoothing

Prophet (ساخته‌ی فیسبوک)

یاد می‌گیری چطور دقت مدل‌ها رو با خطای پیش‌بینی و اعتبارسنجی گام‌به‌گام (Walk-Forward Validation) بررسی کنی. دوره داخل محیط GitHub Codespaces اجرا می‌شه، پس همه چی آماده‌ست که همون لحظه کد بزنی و روی داده‌های واقعی تمرین کنی!

فرقی نمی‌کنه روی داده‌های فروش کار می‌کنی یا انرژی یا مالی—در آخر دوره، می‌تونی مدل‌هایی بسازی که دقیق، قابل تفسیر و مفید برای تصمیم‌گیری واقعی باشن.

🎯 اهداف یادگیری:
بارگذاری، پاک‌سازی و آماده‌سازی داده‌های سری زمانی در پایتون
تحلیل روند و فصل‌ها (Trend & Seasonality) در داده
رسم نمودارهای تعاملی با استفاده از Plotly
ساخت مدل‌های پیش‌بینی با ARIMA، SARIMA، Prophet و غیره
مقایسه و ارزیابی مدل‌ها با استفاده از معیارهای خطا
اجرای walk-forward validation برای اعتبارسنجی واقعی
پیاده‌سازی روی داده‌های واقعی در محیط GitHub Codespaces
توانایی ساخت مدل‌هایی قابل استفاده در دنیای واقعی برای تحلیل فروش، انرژی، اقتصاد و بیشتر