Kurzusleírás

Bevezetés a Time Series Analysis-be

  • Az idősorozatok áttekintése
  • Az idősorozatok elemei: trend, eváltozás, zaj
  • A Google Colab beállítása az idősorozat elemzésére

Az Idősorozatok Exploratory Data Analysis-je (EDS)

  • Az idősorozatok láthatóságos megjelenítése
  • Az idősorozat elemeinek felbontása
  • Eváltozások és trendek felismerése

ARIMA Modellek a Time Series Előrejelzéshez

  • Az ARIMA (AutoRegressive Integrated Moving Average) megértése
  • Paraméterek kiválasztása az ARIMA modellekhez
  • Az ARIMA modellek Pythonban való implementálása

Bevezetés a Prophet-be az Idősorozat Előrejelzéshez

  • A Prophet áttekintése az idősorozat előrejelzéséhez
  • A Prophet modellek Google Colab-ban való implementálása
  • Ünnepek és speciális események kezelése az előrejelzésben

Haladó Előrejelző Technikák

  • Hiányzó adatok kezelése az idősorozatokban
  • Többváltozós idősorozat előrejelzési technikák
  • Előrejelzések testreszabása külső regresszorokkal

Az Előrejelző Modellek Értékelése és Ruházása

  • Teljesítménymutatók az idősorozat előrejelzési modellekhez
  • Az ARIMA és Prophet modellek finomhangolása
  • Kereszteváltozószámítás és visszafejtés (backtesting)

Valós Életi Alkalmazások az Idősorozat Elemzésekből

  • Az idősorozat előrejelzésének esetvizsgálatok
  • Gyakorletek valós életi adathalmazokkal
  • Az idősorozat elemzés következő lépései a Pythonban

Összefoglalás és Következő Lépések

Követelmények

  • Középhaladó Python programozási ismeretek
  • Alapvető statisztikai és adatelemző technikák ismerete

Célcsoport

  • Adatelemzők
  • Adattudósok
  • Idősorozatokkal dolgozó szakemberek
 21 Órák

Résztvevők száma


Ár résztvevőnként

Vélemények (5)

Közelgő kurzusok

Rokon kategóriák