Analisis dan Prakiraan Deret Waktu dengan Python dan TensorFlow

Data sekuensial ada di mana-mana, dari tren keuangan hingga bacaan sensor, namun untuk mengekstrak pola yang berarti diperlukan alat khusus. Anda akan melakukan transisi dari memahami sifat-sifat statistik dasar ke membangun arsitektur pembelajaran mendalam yang canggih. Dengan bekerja melalui penjelasan tertulis yang jelas dan potongan kode Python yang praktis, Anda akan mendapatkan keterampilan untuk menyiapkan set data berurutan, mengevaluasi kinerja model, dan menerapkan model prediksi yang kuat. Apa yang akan kau pelajari: - Mengerti konsep deret waktu inti seperti stasioner, musim, autokorelasi, dan noise. - Terapkan model prediksi statistik klasik termasuk ARIMA, SARIMAX, dan Vector Autoregression (VAR) untuk data multivariabel. - Membuat dan melatih model pembelajaran mendalam untuk prediksi urutan menggunakan TensorFlow, termasuk CNN dan LSTM. - Melaksanakan teknik validasi modern, seperti walk-forward rolling window validation, untuk mencegah kebocoran data. - Desain pipa input data yang efisien untuk mempersiapkan data berurutan untuk pelatihan jaringan saraf. Perjalanan dimulai dengan definisi statistik dasar dan analisis eksplorasi sebelum beralih ke model statistik tingkat lanjut. Akhirnya, Anda akan menjelajahi arsitektur pembelajaran mendalam, belajar bagaimana mengkonfigurasi, melatih, dan mengevaluasi jaringan saraf untuk tugas prediksi yang kompleks. Kursus ini dirancang untuk pemula dalam ilmu data dan pemrograman yang ingin berspesialisasi dalam data berurutan. Keterampilan dasar dengan Python akan membantu, tetapi tidak diperlukan pengalaman sebelumnya dengan analisis deret waktu atau pembelajaran mendalam. Mulai membaca hari ini untuk membuka kekuatan prediksi dari data deret waktu.