Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Zeitreihendaten sind allgegenwärtig in der Data Science. Ob du Geschäftstrends analysierst, den Unternehmensumsatz prognostizierst oder das Kundenverhalten untersuchst – früher oder später wirst du mit Zeitreihendaten arbeiten. Dieser Kurs vermittelt dir praxisnahes Wissen, wie du Zeitreihendaten mit Python visualisieren kannst.
Voraussetzungen
Lernprogramm
Kursübersicht
1
Liniendiagramme
Du lernst, wie du grundlegende Plot-Werkzeuge in Python nutzt und wie du deine Zeitreihendiagramme annotierst und personalisierst. Am Ende dieses Kapitels kannst du aus jedem statischen Datensatz aussagekräftige Diagramme erstellen.
- Willkommen zum Kurs!50 XP
- Lade deine Zeitreihendaten100 XP
- Prüfe, ob deine Daten den richtigen Typ haben100 XP
- Erstelle dein erstes Time-Series-Diagramm50 XP
- Dein erstes Diagramm!100 XP
- Plotstile festlegen100 XP
- Plots anzeigen und beschriften100 XP
- Passe dein Zeitreihendiagramm an50 XP
- Zeitreihendaten filtern100 XP
- Vertikale und horizontale Markierungen hinzufügen100 XP
- Füge deinem Plot schattierte Bereiche hinzu100 XP
2
Kennzahlen und Diagnose
In diesem Kapitel vertiefst du dein Verständnis für Zeitreihendaten, indem du Kennzahlen berechnest und aggregierte Ansichten deiner Daten darstellst.
3
Saisonalität, Trend und Rauschen
Du gehst über einfache Kennzahlen hinaus und lernst Autokorrelations- und partielle Autokorrelationsdiagramme kennen. Außerdem erfährst du, wie du Saisonalität, Trend und Rauschen in deinen Zeitreihendaten automatisch erkennst.
4
Mit mehreren Zeitreihen arbeiten
In der Data Science ist es üblich, an Projekten zu arbeiten, in denen mehrere Zeitreihen gleichzeitig untersucht werden. In diesem Kapitel zeigen wir dir, wie du mehrere Zeitreihen auf einmal darstellst und Beziehungen zwischen Zeitreihen entdeckst und beschreibst.
5
Fallstudie: Arbeitslosenquote
In diesem Kapitel kannst du alle Kursinhalte praktisch anwenden. Du visualisierst die Arbeitslosenquote in den USA von 2000 bis 2010.
Zeitreihendaten in Python visualisieren
Kurs
abgeschlossen
