Đề cương khóa học

Giới thiệu về Phân tích Chuỗi Thời gian

  • Tổng quan về dữ liệu chuỗi thời gian
  • Các thành phần của chuỗi thời gian: xu hướng, tính mùa vụ, nhiễu
  • Thiết lập Google Colab cho phân tích chuỗi thời gian

Khám phá Data Analysis cho Chuỗi Thời gian

  • Trực quan hóa dữ liệu chuỗi thời gian
  • Phân tách các thành phần của chuỗi thời gian
  • Phát hiện tính mùa vụ và xu hướng

Mô hình ARIMA cho Chuỗi Thời gian Forecasting

  • Hiểu về ARIMA (Tự hồi quy Tích hợp Trung bình Di động)
  • Chọn tham số cho mô hình ARIMA
  • Triển khai mô hình ARIMA trong Python

Giới thiệu về Prophet cho Chuỗi Thời gian Forecasting

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

Kỹ thuật Forecasting Nâng cao

  • Xử lý dữ liệu bị thiếu trong chuỗi thời gian
  • Dự báo chuỗi thời gian đa biến
  • Tùy chỉnh dự báo với các biến hồi quy bên ngoài

Đánh giá và Tinh chỉnh Mô hình Dự báo

  • Các chỉ số hiệu suất cho dự báo chuỗi thời gian
  • Tinh chỉnh 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 bộ dữ liệu thực tế
  • Các bước tiếp theo để phân tích chuỗi thời gian trong Python

Tóm tắt và Các Bước Tiếp Theo

Requirements

  • Kiến thức lập trình Python ở mức trung cấp
  • Quen thuộc với các kỹ thuật thống kê cơ bản và phân tích dữ liệu

Đối tượng

  • Chuyên viên phân tích dữ liệu
  • Nhà khoa học dữ liệu
  • Các chuyên gia làm việc với dữ liệu chuỗi thời gian
 21 Hours

Number of participants


Price per participant

Testimonials (5)

Provisional Upcoming Courses (Require 5+ participants)

Related Categories