%40 تخفیف  برای خرید  مسیرهای یادگیری

logo mix

آموزش پایتون کاربردی برای تحلیل سری‌های زمانی (با زیرنویس فارسی AI)
Practical Python for Time Series Analysis
کد محصول: FL11814-5452014
لیندا _ آموزش پایتون کاربردی برای تحلیل سری‌های زمانی (با زیرنویس فارسی AI) - Lynda _ Practical Python for Time Series Analysis
سطح متوسـط
زیرنویس انگلیسی
زیرنویس فارسی AI
148,000 تومان
اضافه به سبد خرید add_shopping_cart
تولید کننده محتوا
Lynda.com (Linkedin Learning)
تولید کننده زیرنویس فارسی
فارسی لینـدا FarsiLynda.com
مدرس
Jesus Lopez - عیسی لوپز
تاریخ انتشار
1404/9/14
2025-12-05
سطح آموزش
متوسط
زبان آموزش
انگلیسی
زیرنویس
فارسی و انگلیسی
نوع زیرنویس فارسی
ترجمه شده توسط هوش مصنوعی (AI)
مدت زمان آموزش
4ساعت و 57دقیقه
تعداد ویدیو‌ها
41 ویدیو
حجم فایل‌ها
631 مگابایت (دانلود با تعرفه داخلی)
زمان تقریبی دانلود فایل‌ها
11 دقیقه (با سرعت اینترنت 1 مگابایت در ثانیه)
تعداد بازدید : 14
درباره تولید کننده

lynda1

 

Lynda Weinman

بسیاری لیندا واینمن را "مادر آموزش اینترنتی" لقب داده اند. وی که هم اکنون (2016) ۶۰ سال سن دارد در ۱۹۹۵ سایتی را راه اندازی کرد که به عنوان منبعی رایگان برای دانش آموزان محسوب می شد. طی آن دوران لیندا به صورت خودآموز در حال یادگیری طراحی وب بود و تلاش داشت تا آموخته هایش را با سایرین نیز به اشتراک بگذارد. هر چند این روزها مسئله یاد شده امری عادی به حساب می آید اما در اواسط دهه نود -روزگاری که هنوز یوتیوبی نبود- یادگیری طراحی وب به صورت خودجوش چندان مسئله رایجی محسوب نمی گشت.

اشتیاق آن روزهای لیندا در یادگیری ، حالا به لطف وب سایت و سرویسی هایی همانند آنچه خود او راه اندازی کرده به میلیون ها نفر دیگر در سراسر دنیا نیز سرایت نموده و آنها می توانند با اندک هزینه ای و در هر جا و مکانی آنچه که دوست دارند را فرا بگیرند.
ناگفته نماند که پیدا کردن مسیر صحیح کسب و کار، حتی برای لیندا واینمن نیز بدون فراز و نشیب نبوده و وی هم مانند هر فرد موفق دیگری در راه رسیدن به پیروزی پستی و بلندی های بسیاری را از سر گذرانده.

درک نیازی که هیچکس به آن پاسخ نداده بود

وقتی در سال ۱۹۹۳ واینمن طراحی وب را اندک اندک فرا گرفته و قصد آموزش دادن آن را پیدا کرد، ابتدا به کتاب فروشی مراجع نمود و سعی کرد کتابی را به عنوان مرجع انتخاب و از روی آن به دانش آموزان خود درس بدهد. اما وی متوجه شد کتاب فروشی ها و کتابخانه ها تنها راهنماهایی بسیار فنی و پیچیده را ارائه می نمایند که درک شان برای افراد معمولی و با دانش متوسط تقریباً غیر ممکن محسوب می شود.

لیندا واینمن میگوید: به یاد می آورم که با خود فکر کردم شاید چنین کتابی هنوز وجود ندارد. بلافاصله از کتاب فروشی به خانه رفتم و ایده ی اولیه نوشتن آن را پیاده سازی کردم.

کمی بعد کتاب "طراحی گرافیک های تحت وب" که به باور بسیاری اولین کتاب ساده و قابل درک توسط عموم در رابطه با حرفه طراحی وب بود، توسط افراد بسیاری در سراسر دنیا به عنوان یک مرجع غیر فنی مورد استفاده قرار می گرفت و محبوبیتی غیر قابل باور به دست آورده بود.

درست در همان زمان و در سال ۱۹۹۵ واینمن آدرس ایمیل فردی را مشاهده نمود که به صورت debbie@debbie.com بود و مشتاق شد بداند آیا دامنه ی لیندا نیز برای ثبت کردن در دسترس قرار دارد یا خیر. وی این دامنه را خریداری و وبسایتی تحت آن راه انداخت تا از طریقش بتواند با دانش آموزان و همچنین خوانندگان کتاب خود ارتباط برقرار نماید.

lynda2

شروعی کوچک و توسعه ای آهسته و پیوسته

بعد از موفقیت کتاب واینمن همسر او، بروس هون (Bruce Heavin)، که در اصل موسس کمپانی لیندا نیز محسوب می شود، پیشنهاد داد در طول تعطیلات بهاره یکی از سالن های کامپیوتر دانشگاهی را اجاره نموده و در آن به مدت یک هفته دوره آموزش طراحی وب برگزار نمایند.
آنها این ایده را عملی کردند و سپس به منظور جذب افراد علاقه مند بنر تبلیغاتی را روی سایت لیندا قرار دادند. نه تنها ظرفیت کلاس یاد شده بسیار سریع پر گشت، بلکه افراد از گوشه و کنار دنیا و حتی مثلاً شهر وین برای حضور در آن ثبت نام نمودند.

اینکه تنها یک بنر در سایت خود قرار دهیم و سپس مردم از سراسر دنیا برای حضور در کلاس مان ثبت نام نمایند، باعث شده بود تا شوکه شویم.
آن کارگاه های یک هفته ای بسیار زود باعث شدند تا کسب و کار امروزی لیندا و همسرش پایه گذاری گردد. واینمن از درآمد حق امتیاز کتاب خود با ارزش ۲۰ هزار دلار استفاده کرد و مدرسه طراحی وبی را راه اندازی نمود که دوره هایش در هر ماه به سرعت پیش فروش شده و ظرفیت شان تکمیل می گشت. لیندا می گوید: "مشتریان زیادی وجود داشتند که مجبور بودیم به آنها نه بگوییم، زیرا ظرفیتی برای پذیرش شان وجود نداشت".

اوج گیری پس از بحران

کسب و کار لیندا پس از چند سال توانست ۳۵ فرصت شغلی را ایجاد و درآمدی ۳.۵ میلیون دلاری را فراهم کند. اما در سال ۲۰۰۱ و پس از انفجار حباب دات کام و حوادث مرتبط به یازده سپتامبر، تمایل افراد به یادگیری دروس طراحی وب کاهشی عجیب پیدا کرد، تا جایی که واینمن و همسرش در ادامه دادن مسیر مردد شده بودند.

کمپانی آنها دچار بحرانی جدی گشت، واینمن و هون ۷۵ درصد کارمندان خود را اخراج کردند و تنها ۹ نفر در استخدام شان باقی ماند. دفتر و مقر برگزاری دوره های لیندا نیز کوچک تر گشت و سعی را بر این گذاشتند تا واحد هایی با قیمت ارزان تر اجاره نمایند.

روز های سیاهی بود و حتی خودم تردید داشتم که می توانیم این کسب و کار را ادامه دهیم یا خیر.

خود واینمن در مورد آن ایام می گوید: "همه در حال نبرد برای بقا بودند و سعی می کردند سر خود را بالای آب نگه دارند. ما نیز وضعیتی مشابه را تجربه می کردیم و در نهایت درست همین زمان بود که تصمیم گرفتیم خدمات خود را به صورت کاملاً آنلاین ارائه نماییم."

روزگاری که ایده یاد شده شکل گرفت و سپس عملی گشت (ارائه خدمات به صورت آنلاین) تماشای فیلم بر روی کامپیوترها تازه در حال رواج یافتن بود. لیندا دات کام تصمیم گرفت در ازای سرویسی که ارائه می کند هزینه حق اشتراکی ۲۵ دلاری را به صورت ماهیانه دریافت نماید.

افراد اندکی از این راهکار استقبال کردند. واینمن می گوید: "درآمد مان به شدت افت کرده بود. روز های سیاهی بود و حتی خودم تردید داشتم که می توانیم این کسب و کار را ادامه دهیم یا خیر."

با تنها ۱۰۰۰ نفر پرداخت کننده حق اشتراک ماهیانه، بقای کمپانی به نظر بسیار سخت می رسید. ایجاد یک جامعه ی آنلاین زمان بر است و لیندا به خود امید می داد که آنها مسیر شان را عوض نکرده اند بلکه راهی تازه را شروع نموده اند پس باید صبر پیشه کنند. او توضیح می دهد که "همه چیز بسیار آهسته پیش رفت. ولی کم کم پرداخت حق اشتراک ماهیانه آنلاین رواج پیدا کرد و مقدار آن هر ساله چندین برابر شد".

در ۲۰۰۶ تعداد مشترکین به ۱۰۰.۰۰۰ نفر رسید و واینمن و همسرش ۱۵۰ کارمند خود را به همراه خانواده هایشان به دیزنی لند بردند تا موفقیت بزرگی که رقم خورده بود را جشن بگیرند.

lynda4

ایجاد فرهنگ سازمانی مناسب در زمان رشد

اینکه اعضا و کارمندان شرکت همانند یک خانواده با یکدیگر در تعامل باشند همواره برای لیندا حائز اهمیت بوده و او حتی همیشه تلاش داشته تا افراد تحت استخدام خود را با اسم کوچک بشناسد و صدا بزند. ولی رشد سریع کمپانی و رسیدن تعداد کارمندان به عدد ۵۰۰، رفته رفته چالش هایی تازه را پدید می آورد و سبب می گردد واینمن در ایده آل های خود بازنگری نماید.

وی می گوید: "چالش اصلی بر سر تعیین سمت و مقام افراد بود. اینکه با هر کس چه برخوردی باید صورت بگیرد. همه ی کسانی که رشدی سریع را در شرکت خود تجربه کرده اند می دانند که ایجاد سلسله مراتب تا چه حد اهمیت دارد."

در ۲۰۰۷ تصمیم بر این شد تا یک مدیرعامل جهت اداره ی بهتر مجموعه به آن اضافه گردد. به گفته ی خود لیندا "درست در همان زمان بود که او تصمیم گرفت در رفتارها و برخوردهای خود سیاست بیشتری داشته و بروکراتیک تر عمل نماید".

ایجاد فرهنگ سازمانی برای شرکتی با بیش از ۵۰۰ کارمند کاری بسیار دشوار خواهد بود ولی حتی آنچه از این مسئله نیز دشوارتر به حساب می آید پایه ریزی درست و مطابقت دادن افراد با فرهنگ یاد شده است. اینکار در زمانی که یک شرکت نوپا و کوچک محسوب می شود چندان سخت نیست و شاید ضروری هم نباشد ولی با رشد آن صورت پذیرفتنش الزام می یابد.

 پیش به سوی موفقیت

مدتی است که بسیاری تصور می کنند دوره های آموزش ویدئویی می توانند آینده آموزش به حساب بیایند.

در طی سال های اخیر کمپانی واینمن توسط افراد گوناگونی که در حرفه ی خود بهترین هستند دوره های آنلاین متعددی را ایجاد نموده و سعی کرده نشان دهد این دوره های آنلاین راه و روش یادگیری را برای همیشه متحول کرده اند.

لیندا دات کام قالبی معین و کارآمد را برای دوره های آموزشی اش پدید آورده و سپس کوشش کرده تا از نظر موضوعی نیز در بین مطالب مورد تدریس خود تنوع ایجاد نماید. روزگاری در وب سایت مورد بحث تنها ۲۰ دوره آموزش ویدئویی آنلاین وجود داشت، اما اکنون این رقم به ۶۳۰۰ رسیده که شامل ۲۶۷.۰۰۰ ویدئوی آموزشی می گردد.

ارائه ی کتابخانه ای ویدئویی به جای اینکه از افراد درخواست شود تا در دوره هایی مشخص با روال معمول و پیوسته شرکت نمایند، عاملی بوده که سبب گشته شیوه ی آموزشی لیندا دات کام نسبت به سایرین کاملاً متفاوت گردد.

واینمن می گوید: "مدتی است که بسیاری تصور می کنند دوره های آموزش ویدئویی می توانند آینده آموزش به حساب بیایند. ما به خاطر همین تفاوت مان مورد توجه قرار داشته و تحت نظر سایرین هستیم".

lynda6

فروش به لینکدین Linked in

من به شخصه بر روی اثری که از همکاری دو کمپانی با یکدیگر پدید می آید متمرکز هستم.

واینمن زمانی که متوجه می شود لینکدین قصد خرید کمپانی اش را دارد، در ابتدا شوکه می گردد. او و همسرش هرگز به دنبال فروش شرکت خود و یافتن مشتری برای آن نبوده اند و البته در سن ۶۰ سالگی وی هنوز هم احساس می نموده که برای بازنشستگی بسیار زود است.

اما رفته رفته به این نتیجه می رسند که این فروش و ادغام دو کمپانی با یکدیگر احتمالاً امری منطقی و موثر خواهد بود. هر دو شرکت به نوعی تلاش داشته اند به افراد کمک کنند تا وضعیت شغلی خود را بهبود بخشند و احتمالاً در کنار یکدیگر بسیار بهتر از گذشته می توانند این هدف را محقق کنند.

واینمن می گوید: "بسیاری از مردم بر روی رقم معامله صورت پذیرفته تمرکز دارند و شاید این مسئله برای افرادی که با صنعت ما آشنا نیستند یک شگفتی محسوب شود. ولی خود من به شخصه بر روی اثری که از همکاری دو کمپانی با یکدیگر پدید می آید متمرکز هستم و اولین چیزی که در رابطه با این موضوع به ذهنم می رسد، میزان بزرگی این اثرگذاری است."

به نظر می آید حتی لیندا واینمن هم از موفقیت خودش شگفت زده است و تصور چنین روزی را نداشته. بر خلاف بسیاری از بنیانگذاران کمپانی ها مهم تکنولوژیک امروزی ، وی با هدف کسب درآمد های کلان شروع به کار نکرده و قصد اولیه اش هرگز ایجاد کمپانی نبوده که توسط لینکدین به ارزش ۱.۵ میلیارد دلار خریداری شد. او تنها سعی داشته آنچه که برای خودش جذاب بوده، یعنی طراحی وب را به سایرین نیز بیاموزد.

واینمن که بر حسب اتفاق بدل به یک معلم گشته، می گوید: "من نه چندان گنگ بودم و نه به آن صورت خوره ی دنیای تکنولوژی. افراد زیادی پیش من می آمدند و می پرسیدند چگونه این کار را انجام می دهی؟ یا چگونه آن کار را انجام می دهی؟ هرگز با خودم فکر نکرده بودم به اشتراک گذاشتن دانش در رابطه با آنچه که برایت جالب است، در واقع همان تدریس کردن محسوب می شود."

در حالکیه لیندا اعتقاد دارد تنها در زمان و مکان مناسبی حضور داشته، سخت است بدل شدن یک دامنه ی ۳۵ دلاری به کسب و کاری ۱.۵ میلیارد دلاری را حاصل یک اتفاق بدانیم.

فارسی لیندا

داده‌های سری زمانی تصمیم‌گیری‌های حیاتی در امور مالی، انرژی و اقتصاد را هدایت می‌کنند - اما به مهارت‌های تخصصی نیاز دارند. جسوس لوپز، مشاور داده‌های کامل و معمار راه‌حل‌ها، شما را از طریق تکنیک‌های عملی پایتون، ترکیب مهندسی نرم‌افزار و تجزیه و تحلیل آماری با استفاده از پانداها، مدل‌های آماری، و نمودارها راهنمایی می‌کند.
با مجموعه داده‌های واقعی از فدرال رزرو (FRED)، بازارهای انرژی PJM، و داده‌های مالی برای تسلط بر مهارت‌های ضروری کار کنید: پیوستن به مجموعه داده‌های زمانی با فرکانس‌های مختلف، جمع‌آوری داده‌ها در دوره‌های زمانی با groupby، ایجاد جداول محوری برای مقایسه، و نمونه‌برداری مجدد برای مطابقت با نیازهای تحلیل.
تحلیل رگرسیون را برای سری‌های زمانی بیاموزید: مدل‌های OLS را متناسب کنید، R-squared را از ابتدا محاسبه کنید تا کیفیت مدل را درک کنید، همبستگی خودکار را با آزمون‌های دوربین-واتسون تشخیص دهید، و خطاهای استاندارد HAC را برای تصحیح اهمیت متورم اعمال کنید. کشف کنید که چگونه گسسته‌سازی زمانی و مدل‌سازی خاص رژیم به‌طور چشمگیری قدرت توضیحی را هنگامی که روابط اقتصادی در طول دوره‌ها تغییر می‌کند، بهبود می‌بخشد.
هر تکنیکی از طریق مثال‌های عملی با تولید انرژی، شاخص‌های اقتصادی، و داده‌های موجودی آموزش داده می‌شود که به شما مهارت‌های کاربردی فوری برای مجموعه داده‌های زمانی شما می‌دهد.

سطح آموزشی
خرید آنلاین و دانلود فوری
به همراه فایلهای تمرین
ویدئوهای آموزشی با زیرنویس
ویدئوهای آموزشی با زیرنویس فارسی
کیفیت HD ویدئوهای آموزشی
قابل استفاده برای ناشنوایان
 
 
 

نمونه ویدیوی آموزشی ( زیرنویس‌ها جدا از ویدیو است و میتوانید آنرا نمایش ندهید ) :

 

[فارسی]

01 مقدمه
01-01 چرا پایتون عملی را برای تجزیه و تحلیل سری های زمانی استفاده کنیم؟
01-02 محیط توسعه دهنده
01-03 پیگیری پیشرفت شما

02 داده های سری زمانی را بپیوندید و پیش پردازش کنید
02-01 مجموعه داده های سری زمانی متعدد را ترکیب کنید
02-02 داده های FRED را دانلود و بارگیری کنید
02-03 الحاق سری های زمانی با pandas.concat()
02-04 اتصال داخلی در مقابل اتصال خارجی
02-05 داده های از دست رفته را با درونیابی خطی پر کنید
02-06 بارگذاری خودکار با حلقه های for
02-07 تغییر نام ستون ها و داده های صادراتی

03 Groupby برای نمودارهای نواری سری زمانی
03-01 جمع آوری داده های سری زمانی
03-02 ویژگی های زمانی را از فهرست تاریخ استخراج کنید
03-03 نمودارهای میله ای پشته ای را با Plotly ایجاد کنید
03-04 نمودارهای وجهی را با Plotly ایجاد کنید

04 تکلیف: DataFrame.groupby را روی داده های جدید تمرین کنید
04-01 داده های انرژی را از EIA API دانلود کنید
04-02 داده های فدرال رزرو را از طریق FRED API دانلود کنید

05 جدول محوری برای ماتریس حرارتی سری زمانی
05-01 تجسم نقشه حرارتی ایجاد کنید
05-02 یک ماتریس حرارتی با جداول محوری ایجاد کنید
05-03 یک ماتریس حرارتی را برای ایجاد رتبه بندی مرتب کنید
05-04 ماتریس حرارتی و نمودار جعبه: چه زمانی از کدام استفاده کنیم؟
05-05 نحوه دستکاری جداول محوری برای نمودارهای تعاملی

06 نمونه برداری مجدد موقت برای تجمعات خودکار
06-01 جمع آوری داده های سری زمانی تاریخی
06-02 مجموع سری های زمانی بر اساس سال با نمونه گیری مجدد
06-03 ماتریس حرارتی Plotly تعاملی

07 رگرسیون خطی ساده
07-01 مبانی رگرسیون خطی
07-02 رگرسیون خطی را با مدل های آماری پیاده سازی کنید
07-03 ضرایب رگرسیون خطی را تفسیر کنید
07-04 تشخیص و مفروضات رگرسیون
07-05 رگرسیون قوی
07-06 رگرسیون قوی برای نقض مفروضات

08 تکلیف: رگرسیون خطی ساده را روی داده های جدید تمرین کنید
08-01 نحوه بارگیری داده های جدید و تطبیق نوت بوک ها برای تکرار مراحل

09 رگرسیون با متغیرهای طبقه بندی
09-01 متغیرهای طبقه بندی شده را در مدل های رگرسیونی بگنجانید
09-02 رگرسیون مقوله ای را با نمودارهای وجهی تجسم کنید
09-03 رگرسیون را با پیش بینی کننده های طبقه بندی انجام دهید
09-04 رگرسیون طبقه‌ای را با مدل‌های آماری محاسبه کنید

10 مهندسی ویژگی برای سری های زمانی
10-01 ویژگی های اصول مهندسی
10-02 داده ها را فیلتر کنید و دوره زمانی را گسسته کنید
10-03 دانه بندی را با نمونه گیری مجدد کاهش دهید
10-04 ویژگی‌ها را با پنجره‌های چرخان تغییر دهید
10-05 عملکرد تبدیل ویژگی را مقایسه کنید

11 تکلیف: گردش کار رگرسیون سری زمانی را کامل کنید
11-01 نحوه دانلود داده های جدید و تطبیق نوت بوک ها برای تکرار مراحل

12 نتیجه گیری

[ENGLISH]

01 Introduction
01-01 Why take Practical Python for Time-Series Analysis?
01-02 Dev environment
01-03 Tracking your progress

02 Join and Preprocess Time Series Data
02-01 Combine multiple time series datasets
02-02 Download and load FRED data
02-03 Concatenate time series with pandas.concat()
02-04 Inner join vs. outer join
02-05 Fill missing data with linear interpolation
02-06 Automate loading with for loops
02-07 Rename columns and export data

03 Groupby for Time Series Bar Charts
03-01 Aggregate time series data
03-02 Extract temporal properties from datetime index
03-03 Create stacked bar charts with Plotly
03-04 Create faceted charts with Plotly

04 Assignment: Practice DataFrame.groupby on New Data
04-01 Download energy data from EIA API
04-02 Download Federal Reserve data via FRED API

05 Pivot Table for Time Series Heat Matrix
05-01 Create heat map visualizations
05-02 Create a heat matrix with pivot tables
05-03 Sort a heat matrix to create a ranking
05-04 Heat matrix and box plot: When to use which?
05-05 How to manipulate pivot tables for interactive charts

06 Temporal Resampling for Automated Aggregations
06-01 Aggregate historical time series data
06-02 Aggregate time series by year with resample
06-03 Interactive Plotly heat matrix

07 Simple Linear Regression
07-01 Linear regression fundamentals
07-02 Implement linear regression with statsmodels
07-03 Interpret linear regression coefficients
07-04 Regression diagnostics and assumptions
07-05 Robust regression
07-06 Robust regression for assumption violations

08 Assignment: Practice Simple Linear Regression on New Data
08-01 How to download new data and adapt notebooks to replicate steps

09 Regression with Categorical Variables
09-01 Incorporate categorical variables into regression models
09-02 Visualize categorical regression with faceted charts
09-03 Run regression with categorical predictors
09-04 Compute categorical regression with statsmodels

10 Feature Engineering for Time Series
10-01 Feature engineering fundamentals
10-02 Filter data and discretize temporal period
10-03 Reduce granularity with resample
10-04 Transform features with rolling windows
10-05 Compare feature transformation performance

11 Assignment: Complete Time Series Regression Workflow
11-01 How to download new data and adapt notebooks to replicate steps

12 Conclusion

 

مدرس: Jesus Lopez - عیسی لوپز

تعداد دوره های آموزشی: 3

عیسی لوپز یک متخصص پایتون و دانشمند داده، مربی و مشاور است.
عیسی استاد Escuela de Organización Industrial در مادرید، اسپانیا است و برنامه نویسی پایتون را آموزش می دهد. او همچنین یک مشاور فنی در Resolving Python است، یک شرکت مشاوره که راه‌حل‌های علم داده را برای افراد و سازمان‌ها با استفاده از پایتون توسعه می‌دهد. او مدرک لیسانس علوم کاربردی را از دانشگاه گلاسکو گرفت و در حال تکمیل مدرک آمار از دانشگاه سالامانکا است.

جدیدترین آموزشهای مرتبط

تمامی زیرنویس‌های فارسی و مطالب ترجمه شده در سایت، بطور انحصاری متعلق به فارسی لینـدا بوده و هر گونه کپی‌ برداری و یا استفاده از آنها به هر شکلی در سایتها یا برنامه‌های دیگر پیگرد قانونی دارد
logo-samandehi
فارسی کلاس