دوره‌ی پیش‌بینی سری‌های زمانی

• شناخت تفاوت داده‌های زمانی با داده‌های جدولی معمولی
• تجزیه‌ی سری زمانی به روند، فصلی‌بودن و باقیمانده
• آزمون ایستایی و تفاضل‌گیری تا رسیدن به سری قابل مدل‌سازی
• خواندن نمودارهای ACF و PACF برای انتخاب مدل‌های AR، MA، ARIMA و SARIMA
• ارزیابی صادقانه‌ی پیش‌بینی روی داده‌هایی که مدل پیش‌تر ندیده است

کار عملی: یک پیش‌بینی کامل، از تجزیه‌ی سری تا ارزیابی روی داده‌های گذشته