Struttura del corso

Introduzione all'Analisi delle Serie Temporali

  • Panoramica dei dati di serie temporale
  • Componenti della serie temporale: tendenza, stagionalità, rumore
  • Configurazione di Google Colab per l'analisi delle serie temporali

Esplorazione Data Analysis delle Serie Temporali

  • Visualizzazione dei dati della serie temporale
  • Decomposizione delle componenti della serie temporale
  • Rilevamento di stagionalità e tendenze

Modelli ARIMA per le Serie Temporali Forecasting

  • Comprendere ARIMA (AutoRegressive Integrated Moving Average)
  • Scelta dei parametri per i modelli ARIMA
  • Implementazione di modelli ARIMA in Python

Introduzione a Prophet per le Serie Temporali Forecasting

  • Panoramica di Prophet per la previsione delle serie temporali
  • Implementazione dei modelli Prophet in Google Colab
  • Gestione delle vacanze e eventi speciali nella previsione

Tecniche Avanzate Forecasting

  • Gestione dei dati mancanti nelle serie temporali
  • Previsione di serie temporali multivariate
  • Personalizzazione delle previsioni con regressori esterni

Valutazione e Ottimizzazione dei Modelli di Predisposizione

  • Metriche di prestazioni per la previsione delle serie temporali
  • Raffinamento dei modelli ARIMA e Prophet
  • Validazione incrociata e test retrospettivo

Applicazioni del Mondo Reale dell'Analisi delle Serie Temporali

  • Studi di caso sulla previsione delle serie temporali
  • Esercizi pratici con dataset reali
  • Passaggi successivi per l'analisi delle serie temporali in Python

Riepilogo e Prossimi Passaggi

Requisiti

  • Conoscenza intermedia di Python programmazione
  • Familiarità con tecniche di statistica e analisi dei dati di base

Destinatari

  • Analisti di dati
  • Scienziati dei dati
  • Professionisti che lavorano con serie temporali di dati
 21 ore

Numero di Partecipanti


Prezzo per Partecipante

Recensioni (5)

Corsi in Arrivo

Categorie relative