در این مطالعه ضمن مروری بر روش های آماری برای جمع آوری داده ها و آمارگیری، به اهمیت و ضرورت استفاده از روش های علم داده برای فراخوانی داده های رسمی و ثبتی پرداخته می شود. سپس به کمک Application Programming Interface (API) به بررسی چگونگی فراخوانی داده های ویروس کرونا و نیز داده های رمز ارزها از پایگاه های مختلف داده می پردازیم. در ادامه با استفاده از روش های مختلف آماری سری زمانی شامل مدل های ARIMA، NNETAR، ARFIMA، Holt-Winter، Hybrid، BSTS، TBATS، Prophet و مدل‌های شبکه عصبی مانند MLP وELM به مدل سازی برخط داده ها پرداخته و پس از آزمایش و آزمون نتایج مدل سازی و مقایسه آن ها با یکدیگر به کمک شاخص های نیکویی برازش مدل و شاخص های مبتنی بر خطای مدل، بهترین مدل انتخاب می گردد. سپس بر مبنای مدل منتخب، پیش بینی برای دوره های زمانی بعدی انجام گرفته و در مورد اقدام بعدی شامل خرید یا فروش یا نگهداری رمز ارز در کیف پول دیجیتال، تصمیم گیری صورت گرفته و به صورت برخط اقدام می گردد. در واقع، تمام موارد فوق تحت عنوان یک ربات عمل لازم و مناسب را در زمان مقتضی انجام می دهد. لازم به ذکر است که برخی از موارد بیان شده به کمک برنامه نویسی در نرم افزار R و برخی به کمک زبان برنامه نویسی Python انجام شده است. برای استفاده مناسب تر و آسان تر از موارد فوق، کدهای مربوطه با استفاده از بسته شاینی در نرم افزار R به اپلیکیشن های مناسب تبدیل می گردد.

کلمات کلیدی