Intrati in legatura

Schița de curs

Introducere în analiza seriilor de timp

  • Prezentare generală a datelor de tip serie temporală
  • Componentele seriilor de timp: trend, sezonalitate, zgomot
  • Configurarea Google Colab pentru analiza seriilor de timp

Analiza exploratorie a datelor pentru serii de timp

  • Vizualizarea datelor de tip serie temporală
  • Descompunerea componentelor seriilor de timp
  • Detectarea sezonalității și a tendințelor

Modele ARIMA pentru prognoza seriilor de timp

  • Înțelegerea ARIMA (AutoRegressive Integrated Moving Average)
  • Alegerea parametrilor pentru modelele ARIMA
  • Implementarea modelelor ARIMA în Python

Introducere în Prophet pentru prognoza seriilor de timp

  • Prezentare generală a Prophet pentru prognoza seriilor de timp
  • Implementarea modelelor Prophet în Google Colab
  • Gestionarea sărbătorilor și a evenimentelor speciale în prognoză

Tehnici avansate de prognoză

  • Gestionarea datelor lipsă în seriile de timp
  • Prognoza seriilor de timp multivariate
  • Personalizarea prognozelor cu regresori externi

Evaluarea și ajustarea modelelor de prognoză

  • Metrici de performanță pentru prognoza seriilor de timp
  • Ajustarea modelelor ARIMA și Prophet
  • Validare încrucișată și testare retrospectivă

Aplicații practice ale analizei seriilor de timp

  • Studii de caz de prognoză a seriilor de timp
  • Exerciții practice pe seturi de date din lumea reală
  • Pașii următori pentru analiza seriilor de timp în Python

Rezumat și pași următori

Cerințe

  • Cunoștințe intermediare de programare în Python
  • Familiaritate cu noțiunile de bază ale statisticii și tehnicilor de analiză a datelor

Publicul țintă

  • Analiști de date
  • Oameni de știință de date
  • Profesioniști care lucrează cu date de tip serie temporală
 21 Ore

Numărul de participanți


Pret per participant

Mărturii (2)

Cursuri viitoare

Categorii înrudite