Fundamentos de previsão de séries temporais e análise de sobrevivência

Muitos problemas de dados do mundo real envolvem a previsão de quando um evento ocorrerá ou como uma métrica mudará ao longo do tempo, exigindo técnicas especializadas além da regressão padrão. Este curso fornece uma base sólida em duas áreas críticas de aprendizado de máquina especializado: análise de séries temporais e análise de sobrevivência.Você passará dos conceitos básicos de dados para entender como modelar padrões ao longo do tempo e lidar com dados censurados onde os resultados ainda não são totalmente observados. Até o final deste programa, você será capaz de interpretar padrões temporais e aplicar modelos especializados para prever resultados futuros com confiança. O que você vai aprender: - Entenda os componentes fundamentais dos dados de séries temporais, incluindo sazonalidade, tendências e ruído. - Aplique modelos estatísticos para prever valores futuros com base em padrões históricos. - Domine os conceitos de análise de sobrevivência para prever o tempo até que um evento específico ocorra. - Manipule dados censurados de forma eficaz para garantir uma inferência precisa dos resultados em cenários do mundo real. - Verificar as suposições do modelo usando técnicas modernas de validação e testes de diagnóstico. - Pratique a preparação e modelagem de dados usando bibliotecas e fluxos de trabalho padrão do setor. O currículo começa com a terminologia básica e fundamentos estatísticos antes de progredir através de técnicas de modelagem específicas para previsão e análise de tempo de evento.Você explorará aplicações práticas através da explicação escrita e exercícios baseados em código projetados para reforçar conceitos teóricos. Este curso foi projetado para iniciantes em ciência de dados e aprendizado de máquina que desejam expandir seu kit de ferramentas; não é necessária experiência prévia com dados dependentes do tempo.