Tack för att du skickade din fråga! En av våra teammedlemmar kontaktar dig snart.
Tack för att du skickade din bokning! En av våra teammedlemmar kontaktar dig snart.
Kursplan
Introduktion till tidsserieanalys
- Översikt över tidsseriedata
- Komponenter i tidsserier: trend, säsongsvariation och brus
- Konfiguration av Google Colab för tidsserieanalys
Utforskande Data Analysis för Tidsserier
- Visualisering av tidsseriedata
- Dekomponering av tidsseriekomponenter
- Upptäckande av säsongsvariationer och trender
ARIMA-modeller för Tidsserier Forecasting
- Förståelse för ARIMA (AutoRegressive Integrated Moving Average)
- Val av parametrar för ARIMA-modeller
- Implementering av ARIMA-modeller i Python
Introduktion till Prophet för Tidsserier Forecasting
- Översikt över Prophet för tidsserieprognostisering
- Implementering av Prophet-modeller i Google Colab
- Hantering av helgdagar och specialhändelser vid prognostisering
Avancerade Forecasting-tekniker
- Hantering av saknade data i tidsserier
- Multivariat tidsserieprognostisering
- Anpassning av prognoser med externa regressorer
Utvärdering och finjustering av prognosmodeller
- Prestandamått för tidsserieprognostisering
- Finjustering av ARIMA- och Prophet-modeller
- Korsvalidering och backtesting
Praktiska tillämpningar av tidsserieanalys
- Fallstudier av tidsserieprognostisering
- Praktiska övningar med verkliga dataset
- Nästa steg för tidsserieanalys i Python
Sammanfattning och nästa steg
Krav
- Mellankunskaper i Python-programmering
- Kännedom om grundläggande statistik och dataanalysmetoder
Målgrupp
- Dataanalytiker
- Datavetare
- Professionella som arbetar med tidsserie-data
21 Timmar
Vittnesmål (2)
Att göra övningar
Joe Pang - Lands Department, Hong Kong
Kurs - QGIS for Geographic Information System
Maskintolkat
Praktiska exempel lät oss få en riktig känsla för hur programmet fungerar. Bra förklaringar och integration av teoretiska begrepp och hur de hänger ihop med praktiska tillämpningar.
Ian - Archeoworks Inc.
Kurs - ArcGIS Fundamentals
Maskintolkat