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

Antal deltagare


Price per participant

Vittnesmål (5)

Upcoming Courses

Relaterade Kategorier