연락처 정보

코스 개요

시계열 분석 입문

  • 시계열 데이터의 개요
  • 시계열의 구성 요소: 추세, 계절성, 노이즈
  • Google Colab에서 시계열 분석 환경 설정 방법

시계열 데이터 탐색적 분석

  • 시계열 데이터의 시각화 기법
  • 시계열 구성 요소 분해 방법
  • 계절성 및 추세 탐지 기술

시계열 예측을 위한 ARIMA 모델 활용

  • ARIMA(자기회귀 적분 이동평균) 모델의 기본 개념 이해
  • ARIMA 모델에 사용되는 매개변수 설정 방법
  • Python에서 ARIMA 모델을 구현하는 실습

시계열 예측 도구인 Prophet 소개

  • 시계열 예측용 Prophet의 개요
  • Google Colab 내에서 Prophet 모델 구현 방법
  • 공휴일 및 특별 이벤트가 예측에 미치는 영향 처리법

고급 시계열 예측 기법

  • 결측값이 포함된 시계열 데이터의 처리 방법
  • 다변량 시계열 데이터의 예측 기술
  • 외부 변수를 활용해 예측 모델을 커스터마이징하는 방법

예측 모델 평가 및 최적화 방안

  • 시계열 예측 성능 측정 지표들
  • ARIMA 및 Prophet 모델의 세부 조정 방법
  • 교차 검증과 백테스팅 기법 활용법

시계열 분석의 실제 응용 사례

  • 시계열 예측 관련 실제 사례 연구
  • 실제 데이터셋을 활용한 연습 문제 풀이
  • Python 기반 시계열 분석의 향후 발전 방향에 대한 안내

요약 및 다음 학습 방향 제시

요건

  • Python 프로그래밍에 대한 중급 수준의 이해도
  • 기초 통계 및 데이터 분석 기술에 대한 지식

대상자

  • 데이터 분석가
  • 데이터 사이언티스트
  • 시계열 데이터를 다루는 업무를 수행하는 전문가
 21 시간

참가자 수


참가자별 가격

회원 평가 (3)

예정된 코스

관련 카테고리