Time Series Forecasting Using Python - eLearning
4.950,00 SEK
- 10 hours
Få en solid grund i att förutsäga framtida trender med kursen i tidsserieprognoser, utformad för att hjälpa dig att omvandla historiska data till träffsäkra prognoser. Den här kursen introducerar grundläggande statistiska och maskininlärningsbaserade metoder som används för att analysera tidsberoende data och upptäcka mönster som trender, säsongsvariationer och cykler.
Nyckelfunktioner
Språk
Kurs och material på engelska
Nivå
Nybörjarnivå
Åtkomst
1 års tillgång till utbildningsplattformen
5 timmar videor på begäran
med mer än 10 timmars rekommenderad studietid
25 praktiska övningar
2 omfattande uppgifter
Certifikat
Intyg om genomförd utbildning ingår
Lärandemål
I slutet av den här kursen kommer du att kunna förstå:
Grundläggande koncept
Behärska kärnkoncepten inom tidsserieanalys, inklusive dess komponenter och stationaritet
Tekniker
Utforska multivariata prognostekniker som SARIMAX- och VAR-modeller
Använd Facebook Prophet för snabb och exakt tidsserieprognostisering
Utvärdera
Utvärdera modellens prestanda med hjälp av nyckelmetoder för att mäta noggrannhet och tillförlitlighet
Analysera
Analysera tidsseriedata från verkligheten med hjälp av Yahoo Finance API för att få fram meningsfulla finansiella insikter
Kursöversikt
Begreppet tidsserier och dess komponenter
Lektion 01
- Begreppet och nödvändigheten av tidsserieanalys
- Granularitet, frekvens och horisont i tidsserieanalys
- Extrahera data med Yahoo Finance
- Tidsseriekomponenter: nivå, trend, säsongsmönster, cyklikalitet och brus
- Hantering av saknade värden och avvikare i tidsserier
- Additiv och multiplikativ dekomposition
Att hantera stationaritet
Lektion 02
- Vitt brus
- Slumpvandring
- Begreppet stationaritet
- Upptäcka och hantera stationaritet
- Statistiskt test för att upptäcka stationaritet: KPSS kontra ADF-testet
- Granger-kausalitetstest
- Avvikelsedetektering med Isolation Forest
Stationaritet och identifiering av laggar
Lektion 03
- Autokorrelation och korrelation
- Granger-kausalitetstest
- Autokorrelationsfunktion (ACF)
- Partiell autokorrelationsfunktion (PACF)
- Identifiering av eftersläpningar med ACF och PACF
Grundläggande tidsseriemodeller
Lektion 04
- Naiv metod
- Enkel medelvärdesmetod, glidande medelvärdesmodell (MA-modell)
- Köra prognoser med MA-modell
- Autoregressiv modell (AR)
- Köra prediktion med AR-modell
- Holt-Winters exponentiell utjämning
- Enkel exponentiell utjämning
- Dubbel exponentiell utjämning
Prestandamätning
Lektion 05
- Prestandamått för tidsserieanalys
- Upptäcka modellernas prestanda
- Jämför modellernas prestanda
Avancerade tidsseriemodeller
Lektion 06
- Autoregressiv glidande medelvärdesmodell (ARMA-modell)
- Köra prediktion med ARMA-modell
- Autoregressiv integrerad glidande medelvärdesmodell (ARIMA-modell)
- Köra prognoser med ARIMA
- Säsongsbetonad autoregressiv integrerad glidande medelvärdesmodell (SARIMA-modell)
- Köra prognoser med SARIMA
Multivariat tidsserieanalys
Lektion 07
- Begreppet endogena och exogena variabler
- Introduktion till SARIMAX: En kort teoretisk bakgrund
- Modellering med SARIMAX
- Köra prognoser med SARIMAX
- Introduktion till VAR
- Modellering med VAR
- Köra prognoser med VAR
Tidsserieprognoser med Facebook Prophet
Lektion 08
- Profetens framträdande
- Huvudparametrar i Prophet
- Modellering med Prophet
- Köra prognoser med Prophet
Vem bör anmäla sig till det här programmet?
Blivande data scientists och dataanalytiker
Businessanalytiker som arbetar med försäljnings-, ekonomi- eller driftdata
Mjukvaruingenjörer som går över till roller inom data science
Yrkesverksamma som arbetar med efterfrågeplanering eller prognostisering
Alla som är intresserade av prediktiv analys och tidsbaserad data
Studenter och nyutexaminerade som utforskar karriärer inom analys eller AI
Förutsättningar
- Grundläggande förståelse för statistik och sannolikhet
- Vana vid Python eller något programmeringsspråk (önskvärt men inte obligatoriskt)
- Grundläggande kunskaper i datahantering eller Excel
- Analytisk och logisk tänkandeförmåga
- Ingen avancerad erfarenhet av prognoser krävs.
Uttalanden
Licensiering och ackreditering
Denna kurs erbjuds i enlighet med Partnerprogramavtalet och uppfyller kraven i licensavtalet
Likabehandlingspolicy
Kandidater uppmuntras att kontakta AVC för vägledning och stöd under hela processen för att ordna anpassningar.
Vanliga frågor
Behöver du företagslösningar eller LMS-integration?
Hittade du inte kursen eller programmet som skulle passa för ditt företag? Behöver du LMS-integration? Skriv till oss! Vi löser det!