Fondamentaux de la prévision des séries chronologiques et de l'analyse de survie

De nombreux problèmes de données du monde réel impliquent de prédire quand un événement se produira ou comment une métrique changera au fil du temps, nécessitant des techniques spécialisées au-delà de la régression standard. Comprendre comment gérer les dépendances temporelles et les données incomplètes est essentiel pour des prévisions et une évaluation des risques précises. Ce cours fournit une base solide dans deux domaines critiques de l'apprentissage automatique spécialisé : l'analyse des séries chronologiques et l'analyse de survie. Vous passerez des concepts de données de base à la compréhension de la façon de modéliser les modèles au fil du temps et de gérer les données censurées où les résultats ne sont pas encore entièrement observés. À la fin de ce programme, vous serez en mesure d'interpréter les modèles temporels et d'appliquer des modèles spécialisés pour prédire les résultats futurs avec confiance. Ce que vous apprendrez : - Comprendre les composantes fondamentales des données de séries chronologiques, y compris la saisonnalité, les tendances et le bruit. - Appliquer des modèles statistiques pour prévoir les valeurs futures basées sur des modèles historiques. - Maîtriser les concepts d'analyse de survie pour prédire le temps jusqu'à ce qu'un événement spécifique se produise. - Gérer efficacement les données censurées pour garantir une inférence précise des résultats dans des scénarios réels. - Vérifier les hypothèses du modèle en utilisant des techniques de validation modernes et des tests de diagnostic. - Pratiquer la préparation et la modélisation des données en utilisant des bibliothèques et des flux de travail standard de l'industrie. Le programme commence par la terminologie de base et les fondements statistiques avant de progresser à travers des techniques de modélisation spécifiques pour la prévision et l'analyse du temps d'événement. Vous explorerez des applications pratiques à travers des explications écrites et des exercices basés sur du code conçus pour renforcer les concepts théoriques. Ce cours est conçu pour les débutants en science des données et en apprentissage automatique qui souhaitent élargir leur boîte à outils ; aucune expérience préalable des données dépendantes du temps n'est requise. Commencez à développer votre expertise en modélisation de données spécialisée dès aujourd'hui.