Kursplan

ARIMA-modeller för tidsserier Forecasting

Avancerade Forecasting tekniker

Utvärdering och finjustering av prognosmodeller

Explorativ Data Analysis för tidsserier

Introduktion till Prophet för tidsserier Forecasting

Introduktion till tidsanalys

Praktiska tillämpningar av tidsanalys

Sammanfattning och nästa steg

  • Fallstudier av tidsanalysprognoser
  • Praktiska övningar med verkliga datamängder
  • Nästa steg för tidsanalys i Python
  • Hantering av saknade data i tidsanalyser
  • Multivariat tidsanalysprognoser
  • Anpassning av prognoser med externa regressorer
  • Översikt av Prophet för tidsanalysprognoser
  • Implementering av Prophet-modeller i Google Colab
  • Hantering av helgdagar och specialhändelser i prognoser
  • Översikt av tidsanalysdata
  • Komponenter i tidsanalyser: trend, säsongsmässighet, brus
  • Inställning av Google Colab för tidsanalys
  • Prestandamått för tidsanalysprognoser
  • Finjustering av ARIMA- och Prophet-modeller
  • Korsvalidering och backtesting
  • Förståelse för ARIMA (AutoRegressive Integrated Moving Average)
  • Val av parametrar för ARIMA-modeller
  • Implementering av ARIMA-modeller i Python
  • Visualisering av tidsanalysdata
  • Decomposition av tidsanalyskomponenter
  • Upptäckande av säsongsmässighet och trender

Krav

Målgrupp

  • Dataanalytiker
  • Datavetare
  • Professionella som arbetar med tidsseriedata
  • Mellanavancerad kunskap i Python programmering
  • Bekantskap med grundläggande statistik och dataanalystekniker
 21 timmar

Antal deltagare


Price per participant

Vittnesmål (5)

Upcoming Courses

Relaterade Kategorier