Después de hacer estos cursos, me siento seguro creando visualizaciones y cuadros de mando profesionales
Shoebur RahmanEspecialista en adquisiciones, Giz Bangladesh
Descripción del curso
Los datos de series temporales están por todas partes en el ámbito de la Data Science. Ya sea analizando tendencias de negocio, pronosticando ingresos de una empresa o explorando el comportamiento de clientes, es muy probable que te encuentres con series temporales en tu trabajo. Para empezar a trabajar con ellas, este curso te aportará conocimientos prácticos para visualizar datos de series temporales con Python.
Requisitos previos
Programa de formación
Esquema del curso
1
Gráficos de líneas
Aprenderás a aprovechar las herramientas básicas de visualización en Python y a anotar y personalizar tus gráficos de series temporales. Al finalizar este capítulo, podrás tomar cualquier conjunto de datos estático y crear gráficos claros y atractivos de tus datos.
- ¡Bienvenido al curso!50 XP
- Carga tus datos de series temporales100 XP
- Comprueba si tus datos son del tipo correcto100 XP
- Dibuja tu primera serie temporal50 XP
- ¡Tu primer gráfico!100 XP
- Especificar estilos de gráfico100 XP
- Mostrar y etiquetar gráficos100 XP
- Personaliza tu gráfico de series temporales50 XP
- Subconjuntar datos de series temporales100 XP
- Añade marcadores verticales y horizontales100 XP
- Añade regiones sombreadas a tu gráfico100 XP
2
Estadísticos descriptivos y diagnósticos
En este capítulo, profundizarás en la comprensión de tus series temporales calculando estadísticos descriptivos y representando vistas agregadas de tus datos.
3
Estacionalidad, tendencia y ruido
Irás más allá de los estadísticos descriptivos aprendiendo sobre gráficos de autocorrelación y autocorrelación parcial. También verás cómo detectar automáticamente estacionalidad, tendencia y ruido en tus series temporales.
4
Trabajar con múltiples series temporales
En Data Science es habitual participar en proyectos donde hay que estudiar varias series temporales a la vez. En este capítulo te mostraremos cómo representar múltiples series temporales simultáneamente y cómo descubrir y describir relaciones entre ellas.
5
Caso práctico: tasa de desempleo
Este capítulo te dará la oportunidad de poner en práctica todos los conceptos del curso. Visualizarás la tasa de desempleo en EE. UU. de 2000 a 2010.
Visualización de datos temporales en Python
Curso
completado
