Plan Szkolenia

Wprowadzenie do analizy szeregów czasowych

  • Przegląd danych szeregów czasowych
  • Składniki szeregów czasowych: trend, sezonowość, szum
  • Konfiguracja Google Colab do analizy szeregów czasowych

Eksploracyjna Data Analysis dla szeregów czasowych

  • Wizualizacja danych szeregów czasowych
  • Rozłożenie składników szeregów czasowych
  • Wykrywanie sezonowości i trendów

Modele ARIMA dla szeregów czasowych Forecasting

  • Zrozumienie ARIMA (AutoRegressive Integrated Moving Average)
  • Wybór parametrów dla modeli ARIMA
  • Wdrażanie modeli ARIMA w Python

Wprowadzenie do Prophet dla szeregów czasowych Forecasting

  • Przegląd Prophet dla prognozowania szeregów czasowych
  • Wdrażanie modeli Prophet w Google Colab
  • Obsługa świąt i specjalnych wydarzeń w prognozowaniu

Zaawansowane techniki Forecasting

  • Obsługa braków danych w szeregach czasowych
  • Prognozowanie wielowymiarowych szeregów czasowych
  • Dostosowywanie prognoz z zewnętrznymi regresorami

Ocena i dostrajanie modeli prognozowych

  • Metryki wydajności prognozowania szeregów czasowych
  • Dostrajanie modeli ARIMA i Prophet
  • Walidacja krzyżowa i backtesting

Zastosowania szeregów czasowych w praktyce

  • Studium przypadku prognozowania szeregów czasowych
  • Ćwiczenia praktyczne z realnymi zbiorami danych
  • Następne kroki w analizie szeregów czasowych w Python

Podsumowanie i następne kroki

Wymagania

  • Średnia znajomość programowania Python
  • Zapoznanie z podstawami statystyki i technik analizy danych

Grupa docelowa

  • Analitycy danych
  • Naukowcy danych
  • Specjaliści pracujący z danymi czasowymi
 21 godzin

Liczba uczestników


cena netto za uczestnika

Opinie uczestników (5)

Propozycje terminów

Powiązane Kategorie