Corso
Analisi delle serie temporali in Python
IntermedioLivello di competenza
Aggiornato 08/2024
PythonProbability & Statistics4 h17 video59 Esercizi4,850 XP69,804Attestato di conseguimento
Crea il tuo account gratuito
Continua con GoogleMostra più opzionio
Continuando, accetti i nostri Termini di utilizzo, la nostra Informativa sulla privacy e che i tuoi dati siano conservati negli Stati Uniti.
Preferito dagli studenti di migliaia di aziende
Formare un team?
Prova per il BusinessDescrizione del corso
Impara a usare Python per l'analisi delle serie temporali
Dai prezzi delle azioni ai dati sul clima, puoi trovare serie temporali in un sacco di campi diversi. Saper gestire bene questi dati sta diventando sempre più importante per chi lavora con i dati. Questo corso ti farà conoscere l'analisi delle serie temporali in Python.Dopo aver capito cos'è una serie temporale, vedrai diversi modelli di serie temporali, da quelli autoregressivi e di media mobile a quelli di cointegrazione. Lungo il percorso, imparerai come stimare, prevedere e simulare questi modelli usando le librerie statistiche di Python.
Vedrai un sacco di esempi di come si usano questi modelli, soprattutto nel mondo della finanza.
Scopri come usare i metodi delle serie temporali
Inizierai con le basi dei dati delle serie temporali e della regressione lineare semplice. Ti occuperai dei concetti di correlazione e autocorrelazione e di come si applicano ai dati delle serie temporali prima di dare un'occhiata ad alcuni semplici modelli di serie temporali, come il rumore bianco e il moto casuale. Poi, scoprirai come si usano i modelli autoregressivi (AR) per i dati delle serie temporali per prevedere i valori attuali e come i modelli a media mobile possono unirsi ai modelli AR per creare modelli ARMA super efficaci.Infine, vedrai come usare i modelli di cointegrazione per modellare due serie insieme prima di dare un'occhiata a un caso di studio reale.
Scopri i modelli e le librerie Python per l'analisi delle serie temporali Alla fine di questo corso, capirai come funziona l'analisi delle serie temporali in Python. Conoscerai alcuni dei modelli, metodi e librerie che possono aiutarti nel processo e saprai come scegliere quelli giusti per la tua analisi.
Questo corso fa parte di un percorso più ampio chiamato "Time Series with Python Track", che offre cinque corsi per aiutarti a diventare un esperto in questa abilità della scienza dei dati.
Prerequisiti
Manipulating Time Series Data in Python1
Correlazione e Autocorrelazione
In questo capitolo sarai introdotto ai concetti di correlazione e autocorrelazione per le serie temporali. La correlazione descrive la relazione tra due serie temporali, mentre l’autocorrelazione descrive la relazione di una serie con i suoi valori passati.
2
Alcune semplici serie temporali
In questo capitolo conoscerai alcuni modelli semplici per serie temporali. Tra questi ci sono il rumore bianco e il random walk.
3
Modelli Autoregressivi (AR)
In questo capitolo imparerai i modelli autoregressivi, o AR, per le serie temporali. Questi modelli usano i valori passati della serie per prevedere il valore corrente.
4
Modelli a Media Mobile (MA) e ARMA
In questo capitolo imparerai un altro tipo di modello: il modello a media mobile, o MA. Vedrai anche come combinare i modelli AR e MA in un potente modello ARMA.
5
Mettere tutto insieme
Questo capitolo ti mostrerà come modellare due serie congiuntamente usando modelli di cointegrazione. Infine chiuderai con un caso di studio su una serie temporale di dati di temperatura di New York City.
Analisi delle serie temporali in Python
Corso completato
Ottieni Attestato di conseguimento
Aggiungi questa certificazione al tuo profilo LinkedIn, al curriculum o al CVCondividila sui social e nella valutazione delle tue performanceIscriviti ora
Unisciti a oltre 19 milioni di studenti e inizia Analisi delle serie temporali in Python oggi!
Crea il tuo account gratuito
Continua con GoogleMostra più opzionio
Continuando, accetti i nostri Termini di utilizzo, la nostra Informativa sulla privacy e che i tuoi dati siano conservati negli Stati Uniti.
Aumenta le tue competenze sui dati con l'app di DataCamp
Avanza ovunque ti trovi con i nostri corsi per dispositivi mobili e le nostre sfide di programmazione quotidiane da 5 minuti.