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 nel campo della Data Science. Che si tratti di analizzare le tendenze di business, prevedere i ricavi aziendali o esplorare il comportamento dei clienti, ogni data scientist è destinato a imbattersi prima o poi in dati di serie temporali durante il proprio lavoro. Per iniziare a lavorare con questo tipo di dati, questo corso ti fornirà conoscenze pratiche su come visualizzare serie temporali usando Python.
Prerequisiti
Programma
Struttura del corso
1
Grafici a linee
Imparerai a sfruttare gli strumenti di tracciamento di base in Python e a annotare e personalizzare i grafici delle tue serie temporali. Al termine di questo capitolo, sarai in grado di partire da qualsiasi insieme di dati statico e produrre grafici efficaci dei tuoi dati.
- Benvenuto al corso!50 XP
- Carica i tuoi dati di serie temporali100 XP
- Verifica che i tuoi dati siano del tipo corretto100 XP
- Crea il tuo primo grafico di serie temporali50 XP
- Il tuo primo grafico!100 XP
- Specificare gli stili dei grafici100 XP
- Visualizza e etichetta i grafici100 XP
- Personalizza il tuo grafico di serie temporali50 XP
- Sottoinsiemi di dati di serie temporali100 XP
- Aggiungi marcatori verticali e orizzontali100 XP
- Aggiungi aree ombreggiate al tuo grafico100 XP
2
Statistiche riassuntive e diagnostica
In questo capitolo, approfondirai la comprensione delle tue serie temporali calcolando statistiche riassuntive e tracciando viste aggregate dei tuoi dati.
3
Stagionalità, trend e rumore
Andrai oltre le statistiche riassuntive imparando i grafici di autocorrelazione e autocorrelazione parziale. Imparerai anche a rilevare automaticamente stagionalità, trend e rumore nelle tue serie temporali.
4
Lavorare con più serie temporali
Nel campo della Data Science, è comune lavorare a progetti in cui è necessario studiare contemporaneamente più serie temporali. In questo capitolo, ti mostreremo come tracciare più serie temporali in una volta sola e come scoprire e descrivere le relazioni tra serie temporali multiple.
5
Caso di studio: tasso di disoccupazione
Questo capitolo ti permetterà di mettere in pratica tutti i concetti trattati nel corso. Visualizzerai il tasso di disoccupazione negli Stati Uniti dal 2000 al 2010.
Visualizzare dati di serie temporali in Python
Corso
completato
