Plan Szkolenia
Modele ARIMA dla szeregów czasowych Forecasting
Zaawansowane Forecasting techniki
Ocenianie i dostrajanie modeli prognozowych
Eksploracyjne Data Analysis dla szeregów czasowych
Wprowadzenie do Prophet dla szeregów czasowych Forecasting
Wprowadzenie do analizy szeregów czasowych
Zastosowania analizy szeregów czasowych w rzeczywistym świecie
Podsumowanie i kolejne kroki
- Studium przypadków prognozowania szeregów czasowych
- Ćwiczenia praktyczne z rzeczywistymi zbiorami danych
- Kolejne kroki w analizie szeregów czasowych w Python
- Obsługa brakujących danych w szeregach czasowych
- Wielowymiarowe prognozowanie szeregów czasowych
- Dostosowywanie prognoz za pomocą zewnętrznych regresorów
- Przegląd Prophet w prognozowaniu szeregów czasowych
- Wdrażanie modeli Prophet w Google Colab
- Obsługa świąt i wydarzeń specjalnych w prognozowaniu
- Przegląd danych szeregów czasowych
- Składniki szeregów czasowych: trend, sezonowość, szum
- Konfiguracja Google Colab do analizy szeregów czasowych
- Wskaźniki wydajności prognozowania szeregów czasowych
- Dostrajanie modeli ARIMA i Prophet
- Walidacja krzyżowa i backtesting
- Zrozumienie ARIMA (AutoRegressive Integrated Moving Average)
- Wybieranie parametrów dla modeli ARIMA
- Wdrażanie modeli ARIMA w Python
- Wizualizacja danych szeregów czasowych
- Rozłożenie składników szeregów czasowych
- Wykrywanie sezonowości i trendów
Wymagania
Odbiorcy
- Analitycy danych
- Naukowcy danych
- Specjaliści pracujący z danymi czasowymi
- Pośrednia znajomość programowania w Python
- Zapoznanie z podstawowymi technikami statystycznymi i analizy danych
Opinie uczestników (5)
Praktyczne przykłady pozwoliły nam odczuć, jak naprawdę działa program. Szczegółowe wyjaśnienia i integracja koncepcji teoretycznych z ich praktycznymi zastosowaniami.
Ian - Archeoworks Inc.
Szkolenie - ArcGIS Fundamentals
Przetłumaczone przez sztuczną inteligencję
Ćwiczenie laboratoryjne
Tse Kiat - ST Engineering Training & Simulation Systems Pte. Ltd.
Szkolenie - Automated Monitoring with Zabbix
Przetłumaczone przez sztuczną inteligencję
Wszystkie tematy, które omówił, wraz z przykładami. Wyjaśnił również, jak są one pomocne w naszej codziennej pracy.
madduri madduri - Boskalis Singapore Pte Ltd
Szkolenie - QGIS for Geographic Information System
Przetłumaczone przez sztuczną inteligencję
Polubiałem styl Pabla, fakt, że poruszył wiele tematów od projektowania raportów i personalizacji za pomocą HTML do implementacji prostych algorytmów uczenia maszynowego. Good równowagi między informacjami teoretycznymi a ćwiczeniami. Pablo naprawdę obejrzał wszystkie tematy, które mnie interesowały i udzielił kompleksowych odpowiedzi na moje pytania.
Cristian Tudose - SC Automobile Dacia SA
Szkolenie - Advanced Data Analysis with TIBCO Spotfire
Przetłumaczone przez sztuczną inteligencję
Aktualne zastosowanie Spotfire i wszystkie podstawowe funkcje.
Michael Capili - STMicroelectronics, Inc.
Szkolenie - Introduction to Spotfire
Przetłumaczone przez sztuczną inteligencję