Analisi e previsioni delle serie temporali moderne

I dati dipendenti dal tempo sono ovunque, dai mercati finanziari ai modelli meteorologici, ma analizzarli richiede un insieme specializzato di concetti.Questo corso basato su testo ti guida dalle basi assolute dei dati sequenziali alla costruzione di robusti modelli di previsione. Imparerai a riconoscere i modelli chiave, a preparare set di dati disordinati e ad applicare sia modelli statistici tradizionali che moderne tecniche di apprendimento automatico per risolvere problemi di previsione del mondo reale. Cosa imparerai: 1. comprendere i concetti fondamentali tra cui tendenze, stagionalità e stazionarietà. 2. Preparare e pulire i set di dati con indicazione del tempo utilizzando moderne librerie di dati come panda e Polars. 3. Applicare modelli di previsione statistica classici per acquisire relazioni lineari. 4. Esplora i moderni concetti di deep learning per la modellazione di sequenze, inclusi LSTM e trasformatori. 6.Valutare le prestazioni del modello utilizzando metriche di convalida appropriate.Il corso inizia con definizioni essenziali e tecniche di preparazione dei dati, stabilendo una solida base teorica. Da lì, progredirai attraverso spiegazioni scritte strutturate ed esempi di codice per implementare concetti di apprendimento statistico e automatico.Questo corso è progettato per analisti di dati principianti, programmatori e aspiranti scienziati di dati che desiderano lavorare con dati sequenziali. Non è richiesta alcuna esperienza precedente con la modellazione delle serie temporali, anche se è utile avere una familiarità di base con Python.