聯繫我們

課程簡介

時間序列分析簡介

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

時間序列的探索性數據分析

  • 時間序列數據視覺化
  • 分解時間序列成分
  • 檢測季節性與趨勢

用於時間序列預測的 ARIMA 模型

  • 了解 ARIMA(自回歸積分移動平均)
  • 選擇 ARIMA 模型的參數
  • 在 Python 中實現 ARIMA 模型

Prophet 時間序列預測簡介

  • Prophet 用於時間序列預測的概覽
  • 在 Google Colab 中實現 Prophet 模型
  • 處理預測中的節日與特殊事件

進階預測技術

  • 處理時間序列中的缺失數據
  • 多變數時間序列預測
  • 利用外部回歸變量客製化預測

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
  • 交叉驗證與回測

時間序列分析的實際應用

  • 時間序列預測案例研究
  • 使用真實世界數據集的實務練習
  • Python 時間序列分析後續步驟

總結與後續步驟

最低要求

  • 具備中等程度的 Python 程式設計知識
  • 熟悉基礎統計學與資料分析技術

受眾對象

  • 資料分析師
  • 資料科學家
  • 從事時間序列數據工作的專業人士
 21 小時

人數


每位參與者的報價

客戶評論 (2)

即將到來的課程

課程分類