План на курса

Модели ARIMA за временни редици Forecasting

Надграждащи Forecasting техники

Оценяване и подобряване на прогнозни модели

Експлоатационен Data Analysis за временни редици

Въведение в Prophet за временни редици Forecasting

Въведение във временна анализа

Реални приложения на временна анализа

Резюме и следващи стъпки

  • Примерни изследвания на прогнозиране на временни редици
  • Практическо упражнение с реални данни
  • Следващи стъпки за временна анализа в Python
  • Обработка на липсващи данни в временни редици
  • Многомерно прогнозиране на временни редици
  • Настройка на прогнозите с външни регресори
  • Обзор на Prophet за прогнозиране на временни редици
  • Въвеждане на модели на Prophet в Google Colab
  • Обработка на празници и специални събития в прогнозирането
  • Обзор на данни за временни редици
  • Компоненти на временни редици: тренд, сезонност, шум
  • Настройка на Google Colab за временна анализа
  • Метрики за производителност за прогнозиране на временни редици
  • Подобряване на моделите ARIMA и Prophet
  • Кръстна проверка и тестване на назад
  • Разбиране на ARIMA (Авторегресивна интегрирана средна аритметична)
  • Избор на параметри за моделите ARIMA
  • Въвеждане на модели на ARIMA в Python
  • Визуализация на данни за временни редици
  • Разлагане на компоненти на временни редици
  • Откриване на сезонност и трендове

Изисквания

Целева аудитория- Аналитици на данни- Специалисти по данни- Професионалисти, работащи с временни редове- Средни познания по програмиране с Python- Знакомство с основа на статистика и техники за анализ на данни
 21 Часа

Брой участници


Цена за участник

Oтзиви от потребители (5)

Предстоящи Курсове

Свързани Kатегории