توضیحات رویداد

هدف این دوره ارائه مفاهیم پایه مرتبط با سری های زمانی است. در این دوره شرکت کنندگان با سری های زمانی، نحوه تحلیل و پیش بینی سری های زمانی با استفاده از مدل های یادگیری ماشین سنتی و مدل های یادگیری عمیق و مدل های آماری آشنا خواهند شد. مباحث به صورت ترکیبی از مسایل تئوری و پایه روش های در کنار پیاده سازی آنهاست.

سرفصل‌های دوره:

1. معرفی مسابقه (هدف مسابقه، معرفی داده و ...) (۱ جلسه)
2. مقدمه ای بر سری های زمانی و  یادگیری ماشین (معرفی سری های زمانی، دسته بندی، رگرسیون، خوشه بندی، داده، پیش پردازش داده، روش های کاهش ابعاد، روش های مصور سازی) (۱ جلسه)
3. رگرسیون (رگرسیون خطی، منظم سازی، درخت تصمیم، SVR) (۱ جلسه)
4. جلسه عملی (پیاده سازی رویکردهای رگرسیون برای مسئله مدنظر) (۱ جلسه)
5. مدلسازی آماری (مدل های ایستان و تابع خودهمبستگی، مولفه های ترند و  فصلی، مدل ARMA، مدل ARIMA، VAR) و بررسی پیاده سازی روش ها روی سری های زمانی مختلف از جمله داده مدنظر مسابقه (۲ جلسه)
6. مدل های عمیق (MLP، RNN، LSTM، Transformer) و بررسی پیاده سازی روش ها روی سری های زمانی مختلف از جمله داده مدنظر مسابقه (۳ جلسه)

مدرسین دوره:

1. دکتر مریم امیرمزلقانی
2. دکتر احمد نیک آبادی
3. دکتر حسین زینلی
4. مهندس مجید ادیبیان

لینک کدهای کارگاه‌های دوره:

با استفاده از این لینک می‌توانید به کدهایی که کارگاه‌های عملی تدریس می‌شود دسترسی داشته باشید.

محل برگزاری

این کارگاه به صورت آنلاین برگزار خواهد شد و جزئیات چگونگی شرکت در آن در زمان مناسب برای ثبت‌نام‌کنندگان ارسال خواهد شد.

برنامه زمانی