Course Outline

시계열을 위한 ARIMA 모델 Forecasting

고급 Forecasting 기술

예측 모델 평가 및 조정

시계열에 대한 탐색 Data Analysis

시계열을 위한 Prophet 소개 Forecasting

시계열 분석 소개

시계열 분석의 실제 응용

요약 및 다음 단계

  • 시계열 예측의 사례 연구
  • 실제 데이터 세트와 함께하는 실습
  • Python에서 시계열 분석의 다음 단계
  • 시계열에서 누락된 데이터 처리
  • 다변량 시계열 예측
  • 외부 회귀변수로 예측 맞춤화
  • 시계열 예측을 위한 Prophet 개요
  • Google Colab에서 Prophet 모델 구현
  • 예측에서 휴일 및 특별한 사건 처리
  • 시계열 데이터 개요
  • 시계열 구성 요소: 추세, 계절성, 잡음
  • Google Colab을 시계열 분석에 설정
  • 시계열 예측을 위한 성능 지표
  • ARIMA 및 Prophet 모델 조정
  • 교차 검증 및 역추정
  • ARIMA (자기회귀적 통합 이동 평균) 이해
  • ARIMA 모델의 매개변수 선택
  • Python에서 ARIMA 모델 구현
  • 시계열 데이터 시각화
  • 시계열 구성 요소 분해
  • 계절성 및 추세 탐지

Requirements

대상

  • 데이터 분석가
  • 데이터 과학자
  • 시계열 데이터를 다루는 전문가
  • Python 프로그래밍의 중급 지식
  • 기본 통계와 데이터 분석 기법에 대한 이해
 21 Hours

Number of participants


Price per participant

회원 평가 (5)

Upcoming Courses

Related Categories