Kursplan

Introduktion till tidsserieanalys

  • Översikt över tidsseriedata
  • Tidsseriens komponenter: trend, säsongvariationer, brus
  • Konfigurera Google Colab för tidsserieanalys

Undersökande Data Analysis för tidsserier

  • Visualisera tidsseriedata
  • Dela upp tidsseriekomponenter
  • Identifiera säsongsvariationer och trender

ARIMA-modeller för tidsserier Forecasting

  • Förstå ARIMA (AutoRegressive Integrated Moving Average)
  • Välja parametrar för ARIMA-modeller
  • Implementering av ARIMA-modeller i Python

Introduktion till Prophet för tidsserier Forecasting

  • Översikt över Prophet för tidsserieprognoser
  • Implementering av Prophet-modeller i Google Colab
  • Hantera helgdagar och speciella händelser i prognoser

Avancerade Forecasting tekniker

  • Hantera data som saknas i tidsserier
  • Prognoser för multivariata tidsserier
  • Anpassa prognoser med externa regressorer

Utvärdera och finjustera prognosmodeller

  • Prestandamått för tidsserieprognoser
  • Finjustering av ARIMA- och Prophet-modellerna
  • Korsvalidering och backtesting

Verkliga tillämpningar av tidsserieanalys

  • Fallstudier av tidsserieprognoser
  • Praktiska övningar med verkliga datamängder
  • Nästa steg för tidsserieanalys i Python

Sammanfattning och nästa steg

Krav

  • Medelgoda kunskaper i Python programmering
  • Förtrogenhet med grundläggande statistik och dataanalystekniker

Publik

  • Dataanalytiker
  • Datavetare
  • Proffs som arbetar med tidsseriedata
 21 timmar

Antal deltagare


Price per participant

Vittnesmål (5)

Upcoming Courses

Relaterade Kategorier