感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
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)
如何將開放衛星數據用於實際應用
Tshering Dorji - Druk Holding and Investments
課程 - Advanced Geographic Information Systems (GIS)
機器翻譯
做練習
Joe Pang - Lands Department, Hong Kong
課程 - QGIS for Geographic Information System
機器翻譯
通過動手實踐的例子,我們能夠真實感受到程序如何運作。良好的解釋以及理論概念與實際應用的有效結合。
Ian - Archeoworks Inc.
課程 - ArcGIS Fundamentals
機器翻譯