Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Introduction à l'analyse des séries temporelles
- Vue d'ensemble des données de séries temporelles
- Composantes des séries temporelles : tendance, saisonnalité, bruit
- Configuration de Google Colab pour l'analyse des séries temporelles
Exploration Data Analysis des séries temporelles
- Visualisation des données de séries temporelles
- Décomposition des composantes des séries temporelles
- Détecter la saisonnalité et les tendances
Modèles ARIMA pour les séries temporelles Forecasting
- Comprendre l'ARIMA (Moyenne mobile intégrée autorégressive)
- Choix des paramètres pour les modèles ARIMA
- Mise en œuvre des modèles ARIMA dans Python (en anglais)
Introduction à Prophet pour les séries temporelles Forecasting
- Vue d'ensemble de Prophet pour la prévision des séries temporelles
- Implémentation des modèles Prophet dans Go ogle Colab
- Traitement des jours fériés et des événements spéciaux dans les prévisions
Techniques avancées Forecasting
- Traitement des données manquantes dans les séries temporelles
- Prévision de séries temporelles multivariées
- Personnalisation des prévisions avec des régresseurs externes
Évaluer et affiner les modèles de prévision
- Mesures de performance pour les prévisions de séries temporelles
- Ajustement des modèles ARIMA et Prophet
- Validation croisée et backtesting
Applications réelles de l'analyse des séries temporelles
- Études de cas sur les prévisions de séries temporelles
- Exercices pratiques avec des ensembles de données du monde réel
- Prochaines étapes de l'analyse des séries temporelles dans Python (en anglais)
Résumé et prochaines étapes
Pré requis
- Connaissance intermédiaire de la programmation Python
- Familiarité avec les statistiques de base et les techniques d'analyse des données
Public
- Analystes de données
- Scientifiques des données
- Professionnels travaillant avec des données de séries temporelles
21 Heures
Nos clients témoignent (5)
Les exemples pratiques nous ont permis de ressentir réellement comment le programme fonctionne. Des explications détaillées et une intégration des concepts théoriques et leur relation avec les applications pratiques.
Ian - Archeoworks Inc.
Formation - ArcGIS Fundamentals
Traduction automatique
Rapide et efficace VM Azure et support au top
Tom Leonard - Civadis
Formation - Automated Monitoring with Zabbix
All the topics which he covered including examples. And also explained how they are helpful in our daily job.
madduri madduri - Boskalis Singapore Pte Ltd
Formation - QGIS for Geographic Information System
J'ai aimé le style de Pablo, le fait qu'il couvre beaucoup de sujets, de la conception de rapports, la personnalisation avec html à l'implémentation d'algortithmes ML simples. [L'équilibre entre les informations théoriques et les exercices. Pablo a vraiment couvert tous les sujets qui m'intéressaient et a donné des réponses complètes à mes questions.
Cristian Tudose - SC Automobile Dacia SA
Formation - Advanced Data Analysis with TIBCO Spotfire
Traduction automatique
Application pratique de Spotfire et toutes les fonctions de base.
Michael Capili - STMicroelectronics, Inc.
Formation - Introduction to Spotfire
Traduction automatique
