Анализ временных рядов и последовательное моделирование данных

Последовательные данные есть везде, от цен на акции и погодных условий до журналов активности пользователей. Понимание того, как моделировать эти данные во времени, имеет решающее значение для составления точных прогнозов на будущее. Этот всеобъемлющий, текстовый курс поможет вам освоить основные концепции временных рядов, а также построить, уточнить и оценить модели предсказания для последовательных наборов данных. Что вы узнаете: - Понять основные понятия временных рядов, включая тренд, сезонность, шум и стационарность. - Подготовка и очистка последовательных данных путем обработки отсутствующих значений, перевыборки временных рамок и отстающих переменных. - Применять классические модели прогнозирования, такие как AR, MA и ARIMA, к наборам данных реального мира. - Оценка эффективности моделей с использованием современных методов и показателей проверки, таких, как МАЭ и СРМЭ. - Изучите современные концепции последовательного моделирования, включая подходы машинного обучения и инженерию признаков для упорядоченных по времени данных. Вы начнете с основных определений и статистических свойств временных данных, прежде чем перейти к практическим, поэтапным рабочим процессам моделирования и методам проверки. Этот курс предназначен для начинающих, аналитиков данных и начинающих ученых данных с базовыми знаниями математики, и не требует предварительного опыта продвинутого моделирования. Начните читать сегодня, чтобы раскрыть силу временных данных и построить надежные модели прогнозирования.