Анализ временных рядов и прогнозирование с помощью Python

В этом курсе вы узнаете: 1. Понимание основных понятий временных данных, включая стационарность, сезонность и компоненты трендов. 2. Подготовка и очистка временных наборов данных с помощью современных библиотек Python и методов pandas. 3. Анализ шаблонов временных рядов и определение ключевых статистических свойств с помощья письменных объяснений. 4. Создание классических моделей прогнозирования, включающих AR, MA и ARIMA. 5. Применение регрессии машинного обучения и основных концепций нейронных сетей к проблемам временного прогнозирования. 6. Оценка производительности модели с использованием стандартных метрик для обеспечения надежных прогнозов в будущем. Мы начинаем с основной терминологии и основополагающих шагов по подготовке данных и гарантируем, что вы поймете, как данные временных серий отличаются от стандартных табличных данных. Оттуда вы пройдете классические статистические модели и современные подходы к машинному обучению, практикуя с письменными примерами кода и концептуальными упражнениями. Этот курс предназначен для начинающих, аналитиков данных или разработчиков программного обеспечения, которые хотят построить прочный фундамент в прогнозировании. Не требуется предыдущий опыт работы с временными рядами, хотя базовое знание Python полезно. Начните обучение сегодня и раскройте силу прогнозного анализа данных.