Na het volgen van deze cursussen voel ik me zeker genoeg om professionele visualisaties en dashboards te maken
Shoebur RahmanInkoopspecialist, Giz Bangladesh
Cursusbeschrijving
Tijdreeksgegevens zijn overal. Of het nu gaat om schommelingen op de aandelenmarkt, sensorgegevens over klimaatverandering of activiteit in de hersenen: elk signaal dat in de tijd verandert, kun je beschrijven als een tijdreeks. Machine Learning is uitgegroeid tot een krachtige methode om de complexiteit in gegevens te benutten voor het doen van voorspellingen en het verkrijgen van inzichten in het probleem dat je wilt oplossen. Deze cursus vormt de kruising tussen Machine Learning en tijdreeksgegevens, en behandelt feature engineering, spectrogrammen en andere geavanceerde technieken om hartslaggeluiden te classificeren en aandelenkoersen te voorspellen.
Vereisten
Lesprogramma
Cursusoverzicht
1
Introductie tot tijdreeksen en Machine Learning
Dit hoofdstuk is een introductie tot de basis van Machine Learning, tijdreeksgegevens en de kruising tussen beide.
- Soorten tijdreeksen en toepassingen50 XP
- Een tijdreeks herkennen50 XP
- Een tijdreeks plotten (I)100 XP
- Een tijdreeks plotten (II)100 XP
- Basis van Machine Learning50 XP
- Een eenvoudig model fitten: classificatie100 XP
- Voorspellen met een classificatiemodel100 XP
- Een eenvoudig model fitten: regressie100 XP
- Voorspellen met een regressiemodel100 XP
- Machine learning en tijdreeksgegevens50 XP
- De classificatiegegevens verkennen100 XP
- De regressiedata verkennen100 XP
2
Tijdreeksen als input voor een model
De gemakkelijkste manier om tijdreeksen in je Machine Learning-pijplijn op te nemen, is ze te gebruiken als features in een model. Dit hoofdstuk behandelt veelvoorkomende features die uit tijdreeksen worden gehaald om Machine Learning toe te passen.
3
Tijdreeksgegevens voorspellen
Als je patronen in gegevens door de tijd heen wilt voorspellen, zijn er speciale aandachtspunten bij de keuze en opbouw van je model. Dit hoofdstuk behandelt hoe je eerst inzicht in de gegevens krijgt voordat je je model fit, en best practices voor het gebruik van voorspellende modellen met tijdreeksgegevens.
4
Tijdreeksmodellen valideren en onderzoeken
Zodra je een model hebt om tijdreeksgegevens te voorspellen, moet je bepalen of het een goed of slecht model is. Dit hoofdstuk behandelt de basis van het genereren van voorspellingen met modellen om ze te valideren aan de hand van "test"-gegevens.
Machine Learning voor tijdreeksgegevens in Python
Cursus
voltooid
