Dopo aver seguito questi corsi, mi sento sicuro nel creare visualizzazioni e dashboard professionali
Shoebur RahmanSpecialista degli acquisti, Giz Bangladesh
Descrizione del corso
I dati di serie temporali sono ovunque. Che si tratti di oscillazioni del mercato azionario, dati dei sensori che registrano i cambiamenti climatici o attività cerebrali, qualsiasi segnale che varia nel tempo può essere descritto come una serie temporale. Il Machine Learning si è affermato come un potente metodo per sfruttare la complessità dei dati al fine di generare previsioni e insight sul problema che si vuole risolvere. Questo corso è il punto d’incontro tra il Machine Learning e i dati di serie temporali e tratta il feature engineering, gli spettrogrammi e altre tecniche avanzate per classificare i suoni del battito cardiaco e prevedere i prezzi delle azioni.
Prerequisiti
Programma
Struttura del corso
1
Introduzione a serie temporali e Machine Learning
Questo capitolo introduce le basi del Machine Learning, dei dati di serie temporali e di come si incontrano tra loro.
- Tipi di serie temporali e applicazioni50 XP
- Riconoscere una serie temporale50 XP
- Rappresentare una serie temporale (I)100 XP
- Visualizzare una serie temporale (II)100 XP
- Basi del Machine Learning50 XP
- Adattare un modello semplice: classificazione100 XP
- Previsioni con un modello di classificazione100 XP
- Adattare un modello semplice: regressione100 XP
- Prevedere usando un modello di regressione100 XP
- Machine learning e dati di serie temporali50 XP
- Esplorare i dati di classificazione100 XP
- Esplorare i dati di regressione100 XP
2
Serie temporali come input di un modello
Il modo più semplice per integrare le serie temporali nella tua pipeline di Machine Learning è usarle come feature in un modello. Questo capitolo copre le feature più comuni estratte dalle serie temporali per fare Machine Learning.
3
Prevedere dati di serie temporali
Se vuoi prevedere andamenti dai dati nel tempo, ci sono considerazioni specifiche su come scegliere e costruire il tuo modello. Questo capitolo spiega come ottenere insight dai dati prima di addestrare il modello, oltre alle best practice nell’uso della modellazione predittiva per dati di serie temporali.
4
Validare e ispezionare modelli per serie temporali
Una volta che hai un modello per prevedere dati di serie temporali, devi capire se è un buon modello o meno. Questo capitolo copre le basi della generazione di previsioni con i modelli per convalidarli rispetto ai dati di "test".
Machine Learning per dati di serie temporali in Python
Corso
completato
