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

Requirements

  • 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 Hours

Number of participants


Price per participant

Testimonials (5)

Upcoming Courses

Related Categories