Plan Szkolenia

Wprowadzenie do analizy szeregów czasowych

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

Analiza eksploracyjna Data Analysis dla szeregów czasowych

  • Wizualizacja danych szeregów czasowych
  • Dekompozycja komponentów szeregów czasowych
  • Wykrywanie sezonowości i trendów

Modele ARIMA dla szeregów czasowych Forecasting

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

Wprowadzenie do Prophet dla szeregów czasowych Forecasting

  • Przegląd programu Prophet do prognozowania szeregów czasowych
  • Implementacja modeli Prophet w Go ogle Colab
  • Obsługa świąt i wydarzeń specjalnych w prognozowaniu

Techniki zaawansowane Forecasting

  • Obsługa brakujących danych w szeregach czasowych
  • Prognozowanie wielowymiarowych szeregów czasowych
  • Dostosowywanie prognoz za pomocą zewnętrznych regresorów

Ocena i dostrajanie modeli prognostycznych

  • Wskaźniki wydajności dla prognozowania szeregów czasowych
  • Dostrajanie modeli ARIMA i Prophet
  • Walidacja krzyżowa i testy historyczne

Rzeczywiste zastosowania analizy szeregów czasowych

  • Studia przypadków prognozowania szeregów czasowych
  • Ćwiczenia praktyczne z wykorzystaniem rzeczywistych zestawów danych
  • Kolejne kroki dla analizy szeregów czasowych w Python

Podsumowanie i kolejne kroki

Wymagania

  • Średnio zaawansowana znajomość programowania Python
  • Znajomość podstawowych statystyk i technik analizy danych

Uczestnicy

  • Analitycy danych
  • Naukowcy zajmujący się danymi
  • Specjaliści pracujący z danymi szeregów czasowych
 21 godzin

Liczba uczestników


cena netto za uczestnika

Opinie uczestników (5)

Propozycje terminów

Powiązane Kategorie