Zkuste nás kontaktovat

Návrh Školení

Úvod do analýzy časových řad

  • Přehled dat časových řad
  • Složky časových řad: trend, sezónnost a šum
  • Nastavení prostředí Google Colab pro analýzu časových řad

Průzkumná analýza dat časových řad

  • Vizualizace dat časových řad
  • Rozklad časových řad na jejich složky
  • Identifikace sezónnosti a trendů

Modely ARIMA pro prognózování časových řad

  • Co je to model ARIMA (AutoRegressive Integrated Moving Average)
  • Jak volit parametry pro modely ARIMA
  • Implementace modelů ARIMA v jazyce Python

Úvod do nástroje Prophet pro prognózování časových řad

  • Co je nástroj Prophet a k čemu slouží při prognózování?
  • Implementace modelů Prophet v prostředí Google Colab
  • Jak zohlednit svátky a speciální události při prognózách

Pokročilé techniky prognózování časových řad

  • Jak pracovat s chybějícími daty v časových řadách
  • Prognózování více proměnných zároveň
  • Přizpůsobení prognóz pomocí externích regresorů

Hodnocení a doladění modelů pro prognózování

  • Kritéria hodnocení kvality prognóz časových řad
  • Jak doladit modely ARIMA a Prophet
  • Používání metod křížové validace a zpětného testování

Praktická využití analýzy časových řad

  • Příklady z praxe při prognózování časových řad
  • Praktická cvičení s reálnými datovými soubory
  • Další kroky v analýze časových řad v prostředí Pythonu

Shrnutí a doporučení pro další postup

Požadavky

  • Středně pokročilé znalosti programování v Pythonu
  • Základní povědomí o statistice a technikách datové analýzy

Pro koho je kurz určen?

  • Datoví analytici
  • Data scientista
  • Odborníci pracující s daty časových řad
 21 Hodiny

Počet účastníků


Cena za účastníka

Reference (3)

Nadcházející kurzy

Související kategorie