강의
Python으로 배우는 시계열 분석
중급기술 수준
업데이트됨 2024. 8.
PythonProbability & Statistics4시간17 동영상59 연습 문제4,850 XP69,773성취 증명서
무료 계정 만들기
Google에서 계속 진행더 많은 옵션 보기또는
수천 개 기업의 학습자들이 사랑하는
팀을 교육하시나요?
비즈니스용으로 체험해 보세요강의 설명
Python으로 시계열 분석을 사용하는 방법 배우기
주가부터 기후 데이터까지, 다양한 분야에서 시계열 데이터를 찾을 수 있습니다. 이러한 데이터를 효과적으로 다룰 수 있는 역량은 데이터 과학자에게 점점 더 중요한 기술입니다. 이 강의는 Python에서 시계열 분석을 소개합니다.시계열이 무엇인지 배운 후에는 자기회귀 및 이동평균 모델부터 공적분 모델까지 다양한 시계열 모델을 살펴보게 됩니다. 그 과정에서 Python의 통계 라이브러리를 사용해 이러한 모델을 추정, 예측, 시뮬레이션하는 방법을 배우게 됩니다.
이러한 모델이 어떻게 활용되는지 다양한 예시를 보게 되며, 특히 금융 분야의 적용에 중점을 둡니다.
시계열 방법을 활용하는 방법 알아보기
시계열 데이터의 기초와 단순 선형 회귀부터 시작합니다. 상관관계와 자기상관의 개념과 그것이 시계열 데이터에 어떻게 적용되는지 살펴본 뒤, 백색 잡음과 랜덤 워크 같은 간단한 시계열 모델도 알아봅니다. 다음으로, 자기회귀(AR) 모델이 시계열 데이터의 현재 값을 예측하는 데 어떻게 사용되는지, 그리고 이동평균 모델이 AR 모델과 결합되어 강력한 ARMA 모델을 만들어내는 방식을 살펴보게 됩니다.마지막으로, 실제 사례 연구를 살펴보기 전에 공적분 모델을 사용해 두 시계를 함께 모델링하는 방법을 살펴보게 됩니다.
시계열 분석을 위한 Python 모델과 라이브러리 살펴보기 이 강의를 마치면 Python에서 시계열 분석이 어떻게 작동하는지 이해하게 됩니다. 여러분은 이 과정을 도와줄 수 있는 일부 모델, 방법, 라이브러리에 대해 알게 되고, 자신의 분석에 적합한 것을 선택하는 방법도 알게 됩니다.
이 강의는 더 넓은 Python 시계열 트랙의 일부로, 이 데이터 과학 기술을 마스터하는 데 도움이 되는 5개의 강의로 구성되어 있습니다.
선수 조건
Manipulating Time Series Data in Python1
Correlation and Autocorrelation
In this chapter you'll be introduced to the ideas of correlation and autocorrelation for time series. Correlation describes the relationship between two time series and autocorrelation describes the relationship of a time series with its past values.
2
Some Simple Time Series
In this chapter you'll learn about some simple time series models. These include white noise and a random walk.
3
Autoregressive (AR) Models
In this chapter you'll learn about autoregressive, or AR, models for time series. These models use past values of the series to predict the current value.
4
Moving Average (MA) and ARMA Models
In this chapter you'll learn about another kind of model, the moving average, or MA, model. You will also see how to combine AR and MA models into a powerful ARMA model.
5
Putting It All Together
This chapter will show you how to model two series jointly using cointegration models. Then you'll wrap up with a case study where you look at a time series of temperature data from New York City.
Python으로 배우는 시계열 분석
강의 완료
19백만 명 이상의 학습자와 함께 Python으로 배우는 시계열 분석을(를) 시작하세요!
무료 계정 만들기
Google에서 계속 진행더 많은 옵션 보기또는
DataCamp for Mobile을 통해 데이터 분석 능력을 향상시키세요.
모바일 강좌와 매일 5분 코딩 챌린지를 통해 이동 중에도 학습 효과를 높이세요.