Návrh Školení

Úvod do analýzy časových řad

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

Průzkumný Data Analysis pro časové řady

  • Vizualizace dat časových řad
  • Rozklad složek časové řady
  • Detekce sezónnosti a trendů

Modely ARIMA pro časové řady Forecasting

  • Pochopení ARIMA (AutoRegressive Integrated Moving Average)
  • Výběr parametrů pro modely ARIMA
  • Implementace modelů ARIMA v Python

Úvod do Prophet for Time Series Forecasting

  • Přehled Prophet pro předpovídání časových řad
  • Implementace modelů Prophet v Google Colab
  • Vyřizování svátků a speciálních událostí v předpovědi

Pokročilé Forecasting techniky

  • Nakládání s chybějícími daty v časových řadách
  • Předpovídání vícerozměrných časových řad
  • Přizpůsobení prognóz pomocí externích regresorů

Vyhodnocování a dolaďování modelů prognóz

  • Metriky výkonu pro prognózy časových řad
  • Jemné ladění modelů ARIMA a Prophet
  • Křížová validace a zpětné testování

Aplikace analýzy časových řad v reálném světě

  • Případové studie prognózování časových řad
  • Praktická cvičení s reálnými datovými sadami
  • Další kroky pro analýzu časových řad v Python

Shrnutí a další kroky

Požadavky

  • Středně pokročilá znalost programování Python
  • Znalost základních statistik a technik analýzy dat

Publikum

  • Datové analytiky
  • Datoví vědci
  • Profesionálové pracující s daty časových řad
 21 hodiny

Počet účastníků


Price per participant

Reference (5)

Upcoming Courses

Související kategorie