感谢您发送咨询!我们的团队成员将很快与您联系。
感谢您发送预订!我们的团队成员将很快与您联系。
课程大纲
时间序列分析简介
- 时间序列数据概述
- 时间序列的组成部分:趋势、季节性、噪声
- 在Google Colab中设置时间序列分析
时间序列的探索性Data Analysis分析
- 可视化时间序列数据
- 分解时间序列的组成部分
- 检测季节性和趋势
时间序列的ARIMA模型Forecasting
- 理解ARIMA(自回归积分滑动平均模型)
- 选择ARIMA模型的参数
- 在Python中实现ARIMA模型
Prophet时间序列分析简介Forecasting
- Prophet时间序列预测概述
- 在Google Colab中实现Prophet模型
- 处理预测中的节假日和特殊事件
高级Forecasting技术
- 处理时间序列中的缺失数据
- 多变量时间序列预测
- 使用外部回归变量定制预测
评估和微调预测模型
- 时间序列预测的性能指标
- 微调ARIMA和Prophet模型
- 交叉验证和回测
时间序列分析的实际应用
- 时间序列预测的案例研究
- 使用真实数据集进行实践练习
- 在Python中继续时间序列分析的下一步
总结与下一步
要求
- 具备Python编程的中级知识
- 熟悉基本统计和数据分析技术
受众
- 数据分析师
- 数据科学家
- 处理时间序列数据的专业人员
21 小时
客户评论 (4)
通过动手实践的例子,我们能够真实感受到程序如何运作。良好的解释以及理论概念与实际应用的有效结合。
Ian - Archeoworks Inc.
课程 - ArcGIS Fundamentals
机器翻译
他涵盖的所有主题,包括示例。同时解释了这些内容如何对我们的日常工作有帮助。
madduri madduri - Boskalis Singapore Pte Ltd
课程 - QGIS for Geographic Information System
机器翻译
我非常喜欢这次培训。我发现所有模块都适用于我工作中试图解决的问题。培训与jupyter notebooks的集成令人印象深刻。
Mark Firmin - Environment and Climate Change Canada
课程 - Python for Geographic Information System (GIS)
机器翻译
我最喜欢这次培训的是它的组织和地点
Hamid Tuama - Ability with Innovation General Contracting (DMCC Branch)
课程 - ArcGIS for Spatial Analysis
机器翻译