Zeitreihen mit Python

Zeitreihendaten gehören zu den am häufigsten vorkommenden Datentypen. Sie zu verstehen, wie man mit ihnen umgeht, ist eine wichtige Data-Science-Fähigkeit, wenn du Vorhersagen machen und über Trends berichten willst. In diesem Lernpfad lernst du, wie du Zeitreihendaten mit Pandas bearbeitest, mit Statistikbibliotheken wie NumPy und statsmodels arbeitest, um Daten zu analysieren, und deine Fähigkeiten zur Visualisierung mit Matplotlib, SciPy und seaborn ausbaust. Anschließend wendest du deine Zeitreihenkenntnisse anhand von realen Daten an, z. B. Finanzdaten, UFO Sichtungen, CO2 Pegel auf Maui, monatliche Süßigkeitenproduktion auf US und Herzschlaggeräusche. Am Ende dieses Lernpfads wirst du wissen, wie du mit ARIMA Klassenmodellen die Zukunft vorhersagen und mit Modellen des maschinellen Lernens Vorhersagen und Erkenntnisse gewinnen kannst.