Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
Description du cours
Les données de séries temporelles sont omnipresentes en Data Science. Qu’il s’agisse d’analyser des tendances métier, de prévoir le chiffre d’affaires d’une entreprise ou d’explorer le comportement des clients, tout data scientist est amené à travailler un jour ou l’autre avec des séries temporelles. Pour vous aider à démarrer, ce cours vous apportera des connaissances pratiques pour visualiser des séries temporelles avec Python.
Prérequis
Programme de formation
Plan du cours
1
Tracés linéaires
Vous apprendrez à utiliser les outils de tracé de base en Python et à annoter et personnaliser vos graphiques de séries temporelles. À la fin de ce chapitre, vous saurez transformer n’importe quel jeu de données statique en graphiques convaincants.
- Bienvenue dans le cours !50 XP
- Chargez vos données de séries temporelles100 XP
- Vérifier si vos données sont du bon type100 XP
- Tracez votre première série temporelle50 XP
- Votre premier tracé !100 XP
- Spécifier des styles de tracé100 XP
- Afficher et annoter des graphiques100 XP
- Personnaliser votre graphique de séries temporelles50 XP
- Sous-ensembles de données temporelles100 XP
- Ajouter des repères verticaux et horizontaux100 XP
- Ajouter des zones ombrées à votre graphique100 XP
2
Statistiques descriptives et diagnostics
Dans ce chapitre, vous approfondirez votre compréhension de vos séries temporelles en calculant des statistiques descriptives et en traçant des vues agrégées de vos données.
3
Saisonnalité, tendance et bruit
Vous irez au-delà des statistiques descriptives en découvrant les tracés d’autocorrélation et d’autocorrélation partielle. Vous apprendrez aussi à détecter automatiquement la saisonnalité, la tendance et le bruit dans vos séries temporelles.
4
Travailler avec plusieurs séries temporelles
En Data Science, il est courant de participer à des projets où plusieurs séries temporelles doivent être étudiées simultanément. Dans ce chapitre, nous vous montrerons comment tracer plusieurs séries temporelles en même temps et comment découvrir et décrire les relations entre elles.
5
Étude de cas : taux de chômage
Ce chapitre vous permettra de mettre en pratique tous les concepts du cours. Vous visualiserez le taux de chômage aux États-Unis de 2000 à 2010.
Visualiser des séries temporelles en Python
Cours
terminé
