Đề cương khóa học

Giới thiệu về Phân tích chuỗi thời gian

  • Tổng quan về dữ liệu chuỗi thời gian
  • Thành phần của chuỗi thời gian: xu hướng, mùa vụ, nhiễu
  • Cài đặt Google Colab cho phân tích chuỗi thời gian

Khám phá Data Analysis cho Chuỗi Thời Gian

  • Biểu đồ dữ liệu chuỗi thời gian
  • Phân tách các thành phần của chuỗi thời gian
  • Nhận diện mùa vụ và xu hướng

Các Mô hình ARIMA cho Chuỗi Thời Gian Forecasting

  • Hiểu về ARIMA (Chuỗi tự hồi quy tích hợp trung bình chuyển động)
  • Lựa chọn tham số cho mô hình ARIMA
  • Thực hiện mô hình ARIMA trong Python

Giới thiệu Prophet cho Phân Tích Chuỗi Thời Gian Forecasting

  • Tổng quan về Prophet cho dự báo chuỗi thời gian
  • Thực hiện mô hình Prophet trong Google Colab
  • Xử lý ngày lễ và sự kiện đặc biệt trong dự báo

Kỹ Thuật Nâng Cao Forecasting

  • Xử lý dữ liệu bị thiếu trong chuỗi thời gian
  • Dự đoán chuỗi thời gian đa biến
  • Tùy chỉnh dự báo với các biến ngoại vi

Đánh giá và Tối ưu Hóa Mô hình Dự Báo

  • Chỉ số hiệu suất cho dự báo chuỗi thời gian
  • Tối ưu hóa mô hình ARIMA và Prophet
  • Xác thực chéo và kiểm tra ngược

Ứng dụng Thực tế của Phân tích Chuỗi Thời Gian

  • Các nghiên cứu điển hình về dự báo chuỗi thời gian
  • Bài tập thực hành với các bộ dữ liệu thực tế
  • Tiếp theo cho phân tích chuỗi thời gian trong Python

Tóm tắt và Tiếp theo

Yêu cầu

  • Kiến thức trung cấp về lập trình Python
  • Thân thuộc với thống kê cơ bản và kỹ thuật phân tích dữ liệu

Đối tượng tham gia

  • Nhà phân tích dữ liệu
  • Kỹ sư dữ liệu
  • Chuyên viên làm việc với dữ liệu chuỗi thời gian
 21 Giờ học

Số người tham gia


Giá cho mỗi người tham gia

Đánh giá (3)

Các khóa học sắp tới

Các danh mục liên quan