Kurzusleírás

Bevezetés az idősoranalízisbe

  • Az idősoradatok áttekintése
  • Idősorok összetevői: trend, szezonalitás, zaj
  • Google Colab beállítása idősoranalízishez

Exploratív adatelemzés idősorokhoz

  • Idősoradatok vizualizálása
  • Idősorok összetevőinek szétbontása
  • Szezonalitás és trendek felismerése

ARIMA modellek idősor-előrejelzéshez

  • Az ARIMA (AutoRegresszív Integrált Mozgóátlag) megértése
  • ARIMA modellek paramétereinek kiválasztása
  • ARIMA modellek implementálása Pythonban

Bevezetés a Prophet használatába idősor-előrejelzéshez

  • A Prophet áttekintése idősor-előrejelzéshez
  • Prophet modellek implementálása a Google Colabban
  • Ünnepek és különleges események kezelése az előrejelzésben

Haladó előrejelzési technikák

  • Hiányzó adatok kezelése idősorokban
  • Többváltozós idősor-előrejelzés
  • Előrejelzések testreszabása külső regresszorokkal

Előrejelzési modellek értékelése és finomhangolása

  • Teljesítménymutatók idősor-előrejelzéshez
  • ARIMA és Prophet modellek finomhangolása
  • Keresztvalidáció és visszatesztelés

Idősoranalízis valós alkalmazásai

  • Esettanulmányok idősor-előrejelzésből
  • Gyakorlati feladatok valós adathalmazokkal
  • További lépések az idősoranalízishez Pythonban

Összefoglalás és következő lépések

Követelmények

  • Középhaladó szintű Python programozási ismeretek
  • Alapvető statisztikai és adatelemzési technikák ismerete

Célközönség

  • Adatelemzők
  • Adattudósok
  • Idősoradatokkal dolgozó szakemberek
 21 Órák

Résztvevők száma


Ár per résztvevő

Vélemények (4)

Közelgő kurzusok

Rokon kategóriák