Course Outline

시간 시리즈 분석 소개

  • 시간 시리즈 데이터 개요
  • 시간 시리즈 구성 요소: 추세, 계절성, 노이즈
  • Google Colab을(를) 시간 시리즈 분석을 위해 설정

시간 시리즈를 위한 탐색적 분석

  • 시간 시리즈 데이터 시각화
  • 시간 시리즈 구성 요소 분해
  • 계절성과 추세 탐지

시간 시리즈를 위한 ARIMA 모델

  • ARIMA(AutoRegressive Integrated Moving Average) 이해
  • ARIMA 모델에 대한 매개변수 선택
  • Python에서 ARIMA 모델 구현

시간 시리즈를 위한 Prophet 소개

  • Prophet를 이용한 시간 시리즈 예측 개요
  • Google Colab에서 Prophet 모델 구현
  • 휴일 및 특별 행사와 같은 이벤트를 예측에 반영

고급 시간 시리즈 분석 기술

  • 시간 시리즈에서 누락된 데이터 처리
  • 다변량 시간 시리즈 예측
  • 외부 회귀자 사용한 예측 커스터마이징

예측 모델 평가 및 최적화

  • 시간 시리즈 예측의 성능 지표
  • ARIMA 및 Prophet 모델 최적화
  • 교차 검증 및 백테스팅

시간 시리즈 분석의 실제 응용

  • 시간 시리즈 예측 사례 연구
  • 실제 데이터셋을 사용한 실습
  • Python에서 시간 시리즈 분석을 위한 다음 단계

요약 및 다음 단계

Requirements

  • Python 프로그래밍에 대한 중급 지식
  • 기본 통계와 데이터 분석 기술에 대한 익숙함

대상

  • 데이터 분석가
  • 데이터 과학자
  • 시간 데이터와 함께 일하는 전문가
 21 Hours

Number of participants


Price per participant

회원 평가 (5)

Upcoming Courses

Related Categories