Python时间序列分析和预测视频教程-米微资源分享网

您正在寻找关于时间序列预测的完整课程，以推动涉及生产计划、库存管理、人力规划和许多其他业务部分的业务决策，对吗？

您找到了正确的时间序列分析和预测课程。本课程将教您有关不同预测模型以及如何在 Python 中实现这些模型所需的一切知识。

完成本课程后，您将能够：

实现时间序列预测模型，例如 AutoRegression、Moving Average、ARIMA、SARIMA 等。
实施基于线性回归和神经网络的多元预测模型。
自信地练习、讨论和理解组织使用的不同预测模型。

为什么要选择这门课程？

每个部分的主要重点是通过操作示例教您概念。每个部分都有以下组成部分：

不同预测模型的理论概念和用例

在 Python 中实现预测模型的分步说明

包含每堂课中使用的数据和解决方案的可下载代码文件

课堂笔记和作业以修改和练习概念

我们为这些策略中的每一个创建模型的实践课程是本课程与任何其他在线课程的不同之处。

是什么让我们有资格教你？

该课程由 Abhishek 和 Pukhraj 教授。作为 Global Analytics Consulting 公司的经理，我们帮助企业使用 Analytics 解决了他们的业务问题，并且我们利用我们的经验将营销和数据分析的实践方面包含在本课程中

每堂课都附有课堂笔记供您学习。您还可以参加测验来检查您对概念的理解。每个部分都包含一个练习作业，供您实际实施您的学习。

本课程涵盖哪些内容？

了解未来销售将如何变化是经理做出数据驱动决策所需的关键信息之一。在本课程中，我们将探讨如何使用预测模型来查看时间序列数据中的模式

基于模型进行预测

让我为您简要介绍一下课程

第 1 部分 – 介绍

在本节中，我们将了解课程结构

第 2 节 – Python 基础知识

本节让您开始使用 Python。

本节将帮助你在你的系统上设置 python 和 Jupyter 环境，它会教你

您如何在 Python 中执行一些基本操作。我们将了解不同库的重要性，例如 Numpy、Pandas 和 Seaborn。

第 3 节 – 时间序列数据的基础知识

在本节中，我们将讨论时间序列数据的基础知识、时间序列预测的应用以及构建预测模型的标准流程

第 4 节 – 预处理时间序列数据

在本节中，您将学习如何可视化时间序列、执行特征工程、重新采样数据以及各种其他工具来分析和准备模型数据

第 5 部分 – 为回归模型准备数据

在本节中，您将了解需要采取哪些操作来逐步获取数据，然后为分析做好准备，这些步骤非常重要。

我们首先了解业务知识的重要性，然后我们将了解如何进行数据探索。我们学习如何进行单变量分析和双变量分析，然后我们将介绍异常值处理和缺失值插补等主题。

第 6 节 – 使用回归模型进行预测

本节从简单的线性回归开始，然后介绍多元线性回归。我们已经介绍了每个概念背后的基本理论，但没有对其进行过多的数学处理，以便您了解该概念的来源以及它的重要性。但即使你不明白，只要你像实践课上讲的那样学习如何运行和解释结果就可以了。

我们还研究了如何量化模型的准确性，F 统计量的含义是什么，如何在结果中解释自变量数据集中的分类变量。

第 7 节 – 理论概念

这部分将使您对神经网络中涉及的概念有一个深入的了解。

在本节中，您将了解单个单元或感知器以及感知器如何堆叠以创建网络架构。设置架构后，我们了解梯度下降算法以找到函数的最小值，并了解如何使用它来优化我们的网络模型。

第 8 节 – 在 Python 中创建回归和分类 ANN 模型

在这一部分中，您将学习如何在 Python 中创建 ANN 模型。

我们将通过使用 Sequential API 创建 ANN 模型来解决分类问题来开始本节。我们学习如何定义网络架构、配置模型和训练模型。然后我们评估我们训练模型的性能并使用它来预测新数据。我们还解决了一个回归问题，在该问题中我们尝试预测某个位置的房价。我们还将介绍如何使用函数式 API 创建复杂的 ANN 架构。最后，我们学习如何保存和恢复模型。

What you’ll learn

Get a solid understanding of Time Series Analysis and Forecasting
Understand the business scenarios where Time Series Analysis is applicable
Building 5 different Time Series Forecasting Models in Python
Learn about Auto regression and Moving average Models
Learn about ARIMA and SARIMA models for forecasting
Use Pandas DataFrames to manipulate Time Series data and make statistical computations.

Who this course is for:

People pursuing a career in data science
Working Professionals beginning their Machine Learning journey
Statisticians needing more practical experience
Anyone curious to master Time Series Analysis using Python in short span of time

资源均来自第三方，谨慎下载，前往第三方网站下载