Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Introduction à l'analyse des séries temporelles
- Aperçu des données de série temporelle
- Composantes d'une série temporelle : tendance, saisonnalité, bruit
- Configuration de Google Colab pour l'analyse des séries temporelles
Exploration Data Analysis des Séries Temporelles
- Visualisation des données de série temporelle
- Décomposition des composantes de la série temporelle
- Détection de saisonnalité et de tendances
Modèles ARIMA pour les Séries Temporelles Forecasting
- Compréhension des modèles ARIMA (Moyenne Mobile Autorégressive Intégrée)
- Choix des paramètres pour les modèles ARIMA
- Implémentation des modèles ARIMA dans Python
Introduction à Prophet pour les Séries Temporelles Forecasting
- Aperçu de Prophet pour la prévision de séries temporelles
- Implémentation des modèles Prophet dans Google Colab
- Gestion des vacances et événements spéciaux dans les prévisions
Techniques Avancées Forecasting
- Gestion des données manquantes dans les séries temporelles
- Prévision de séries temporelles multivariées
- Personnalisation des prévisions avec des régresseurs externes
Évaluation et Réglage des Modèles de Prévision
- Métriques de performance pour la prévision de séries temporelles
- Réglage des modèles ARIMA et Prophet
- Validation croisée et test rétrospectif
Applications en Règle de l'Analyse des Séries Temporelles
- Études de cas sur la prévision de séries temporelles
- Exercices pratiques avec des jeux de données réels
- Prochains pas pour l'analyse des séries temporelles dans Python
Résumé et Prochaines Étapes
Pré requis
- Connaissance intermédiaire de la programmation en Python
- Familiarité avec les statistiques de base et les techniques d'analyse de données
Public cible
- Analystes de données
- Scientifiques des données
- Professionnels travaillant avec des séries temporelles de données
21 Heures
Nos clients témoignent (5)
Les exemples pratiques nous ont permis de ressentir réellement comment le programme fonctionne. Des explications détaillées et une intégration des concepts théoriques et leur relation avec les applications pratiques.
Ian - Archeoworks Inc.
Formation - ArcGIS Fundamentals
Traduction automatique
Tous les sujets qu'il a abordés, y compris des exemples. Et également expliqué comment ils sont utiles dans notre travail quotidien.
madduri madduri - Boskalis Singapore Pte Ltd
Formation - QGIS for Geographic Information System
Traduction automatique
J'ai aimé le style de Pablo, le fait qu'il couvre beaucoup de sujets, de la conception de rapports, la personnalisation avec html à l'implémentation d'algortithmes ML simples. [L'équilibre entre les informations théoriques et les exercices. Pablo a vraiment couvert tous les sujets qui m'intéressaient et a donné des réponses complètes à mes questions.
Cristian Tudose - SC Automobile Dacia SA
Formation - Advanced Data Analysis with TIBCO Spotfire
Traduction automatique
Application pratique de Spotfire et toutes les fonctions de base.
Michael Capili - STMicroelectronics, Inc.
Formation - Introduction to Spotfire
Traduction automatique
La chose que j'ai le plus aimée dans la formation était l'organisation et l'emplacement
Hamid Tuama - Ability with Innovation General Contracting (DMCC Branch)
Formation - ArcGIS for Spatial Analysis
Traduction automatique
