Návrh Školení

Úvod do analýzy časových řad

  • Přehled dat v časových řadách
  • Komponenty časové řady: trendy, sezónnost, šum
  • Nastavení Google Colab pro analýzu časových řad

Explorační analýza časových řad

  • Vizualizace dat v časových řadách
  • Rozklad komponent časové řady
  • Detekce sezónnosti a trendů

ARIMA modely pro analýzu časových řad Forecasting

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

Úvod do Prophetu pro analýzu časových řad Forecasting

  • Přehled Prophetu pro predikci časových řad
  • Implementace modelů Prophet v Google Colab
  • Zpracování svátků a speciálních událostí při predikcích

Pokročilé techniky Forecasting

  • Řešení chybějících dat v časových řadách
  • Multivariátní predikce časových řad
  • Vylepšení predikcí pomocí externích regresorů

Hodnocení a optimalizace modelů pro predikci

  • Ukazatelé výkonu pro predikci časových řad
  • Optimalizace ARIMA a Prophet modelů
  • Křížová validace a backtesting

Skutečné aplikace analýzy časových řad

  • Případové studie predikce časových řad
  • Praktická cvičení s reálnými datovými sadami
  • Další kroky v analýze časových řad v Python

Shrnutí a další kroky

Požadavky

  • Středně pokročilé znalosti programování v Python
  • Znalost základů statistiky a metod analýzy dat

Cílová skupina

  • Analysté dat
  • Data scientisti
  • Profesionáli pracující s časovými řadami
 21 hodiny

Počet účastníků


Price per participant

Reference (5)

Upcoming Courses

Související kategorie