Đề cương khóa học

Mô hình ARIMA cho chuỗi thời gian Forecasting

Kỹ thuật nâng cao Forecasting

Đánh giá và tối ưu hóa mô hình dự báo

Phân tích khám phá Data Analysis cho chuỗi thời gian

Giới thiệu về Prophet cho chuỗi thời gian Forecasting

Giới thiệu về phân tích chuỗi thời gian

Ứng dụng thực tế của phân tích chuỗi thời gian

Tóm tắt và Bước tiếp theo

  • Trường hợp nghiên cứu về dự báo chuỗi thời gian
  • Bài tập thực tế với dữ liệu thực tế
  • Bước tiếp theo cho phân tích chuỗi thời gian trong Python
  • Xử lý dữ liệu thiếu trong chuỗi thời gian
  • Dự báo chuỗi thời gian đa biến
  • Tùy chỉnh dự báo với biến số ngoại vi
  • 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
  • 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
  • Chỉ số hiệu suất cho dự báo chuỗi thời gian
  • Tối ưu hóa mô hình ARIMA và Prophet
  • Xác thực chéo và kiểm thử ngược
  • Hiểu về ARIMA (AutoRegressive Integrated Moving Average)
  • Chọn tham số cho mô hình ARIMA
  • Triển khai mô hình ARIMA trong Python
  • Biểu đồ hóa dữ liệu chuỗi thời gian
  • Phân tích thành phần của chuỗi thời gian
  • Phát hiện mùa vụ và xu hướng

Requirements

Đối tượng

  • Nhà phân tích dữ liệu
  • Kỹ sư dữ liệu
  • Chuyên gia làm việc với dữ liệu chuỗi thời gian
  • Kiến thức trung cấp về lập trình Python
  • Hiểu biết về thống kê cơ bản và kỹ thuật phân tích dữ liệu
 21 Hours

Number of participants


Price per participant

Testimonials (5)

Provisional Upcoming Courses (Require 5+ participants)

Related Categories