課程簡介

時間序列分析簡介

  • 時間序列數據概述
  • 時間序列的組成部分:趨勢、季節性、雜訊
  • 設置 Google Colab 進行時間序列分析

時間序列的探索性 Data Analysis

  • 可視化時間序列數據
  • 分解時間序列元件
  • 檢測季節性和趨勢

時間序列的 ARIMA 模型 Forecasting

  • 瞭解 ARIMA(自回歸積分移動平均線)
  • 為 ARIMA 模型選擇參數
  • 在 Python 中實現 ARIMA 模型

Prophet for Time Series 簡介 Forecasting

  • 用於時間序列預測的 Prophet 概述
  • 在 Google Colab 中實現 Prophet 模型
  • 在 Forecasting 中處理假日和特殊事件

高級 Forecasting 技術

  • 處理時間序列中的缺失數據
  • 多變數時間序列預測
  • 使用外部回歸器自定義預測

評估和微調預測模型

  • 用於時間序列預測的性能指標
  • 微調 ARIMA 和 Prophet 模型
  • 交叉驗證和回溯測試

時間序列分析的實際應用

  • 時間序列預測案例研究
  • 使用真實數據集進行實踐練習
  • Python 中時間序列分析的後續步驟

總結和後續步驟

最低要求

  • Python 程式設計的中級知識
  • 熟悉基本的統計和數據分析技術

觀眾

  • 數據分析師
  • 數據科學家
  • 處理時間序列數據的專業人員
 21 時間:

人數


每位參與者的報價

客戶評論 (5)

Upcoming Courses

課程分類