聯繫我們

課程簡介

時間序列分析介紹

  • 時間序列數據概覽
  • 時間序列的組成要素:趨勢、季節性、雜訊
  • 為時間序列分析設定 Google Colab

時間序列的探索性數據分析

  • 可視化時間序列數據
  • 分解時間序列組成要素
  • 檢測季節性與趨勢

用於時間序列預測的 ARIMA 模型

  • 了解 ARIMA(自回歸整合移動平均)
  • 為 ARIMA 模型選擇參數
  • 在 Python 中實施 ARIMA 模型

用於時間序列預測的 Prophet 介紹

  • Prophet 用於時間序列預測概覽
  • 在 Google Colab 中實施 Prophet 模型
  • 處理預測中的假期與特殊事件

進階預測技術

  • 處理時間序列中的缺失數據
  • 多變量時間序列預測
  • 透過外部回歸變數客製化預測

評估與微調預測模型

  • 時間序列預測的效能指標
  • 微調 ARIMA 和 Prophet 模型
  • 交叉驗證與回溯測試

時間序列分析的實務應用

  • 時間序列預測的案例研究
  • 使用真實世界數據集的實作練習
  • Python 中時間序列分析的後續步驟

總結與下一步

最低要求

  • Python 程式設計的中級知識
  • 熟悉基礎統計學與資料分析技術

對象

  • 資料分析師
  • 資料科學家
  • 處理時間序列數據的專業人士
 21 小時

客戶評論 (3)

課程分類