Kurzusleírás

Bevezetés az idősoros elemzésbe

  • Az idősoros adatok áttekintése
  • Az idősorok összetevői: trend, szezonalitás, zaj
  • Az Google Colab beállítása idősorelemzéshez

Feltáró Data Analysis az idősorokhoz

  • Idősoros adatok megjelenítése
  • Dekomponáló idősor komponensek
  • A szezonalitás és a trendek észlelése

ARIMA modellek idősorokhoz Forecasting

  • Az ARIMA (AutoRegressive Integrated Moving Average) megértése
  • Paraméterek kiválasztása ARIMA modellekhez
  • ARIMA modellek megvalósítása Python

A Prophet for Time Series bemutatása Forecasting

  • A Prophet áttekintése idősoros előrejelzéshez
  • Prophet modellek megvalósítása az Google Colabban
  • Ünnepnapok és különleges események kezelése az előrejelzésben

Haladó Forecasting technikák

  • Hiányzó adatok kezelése idősorokban
  • Többváltozós idősoros előrejelzés
  • Előrejelzések testreszabása külső regresszorokkal

Az előrejelzési modellek értékelése és finomhangolása

  • Teljesítménymérők idősoros előrejelzéshez
  • ARIMA és Prophet modellek finomhangolása
  • Keresztellenőrzés és utólagos tesztelés

Az idősorelemzés valós alkalmazásai

  • Az idősoros előrejelzés esettanulmányai
  • Gyakorlati gyakorlatok valós adatkészletekkel
  • Az idősorelemzés következő lépései a Python-ben

Összegzés és a következő lépések

Követelmények

  • Közepes Python programozási ismeretek
  • Alapvető statisztikai és adatelemzési technikák ismerete

Közönség

  • Adatelemzők
  • Adattudósok
  • Idősoros adatokkal dolgozó szakemberek
 21 Órák

Résztvevők száma


Ár résztvevőnként

Vélemények (5)

Közelgő kurzusok

Rokon kategóriák