Tijdreeks in Python

Tijdreeksgegevens zijn een van de meest voorkomende soorten gegevens en als je voorspellingen wilt doen en trends wilt rapporteren, is het belangrijk om te weten hoe je hiermee moet werken. In deze track leer je hoe je tijdreeksgegevens kunt bewerken met pandas, hoe je met statistische bibliotheken zoals NumPy en statsmodels kunt werken om gegevens te analyseren, en hoe je je visualisatievaardigheden kunt ontwikkelen met Matplotlib, SciPy en seaborn. Je gaat je vaardigheden op het gebied van tijdreeksen toepassen op echte gegevens, zoals financiële aandelenkoersen, UFO-waarnemingen, CO2-niveaus op Maui, maandelijkse snoepproductie in de VS en hartgeluiden. Aan het einde van deze track weet je hoe je de toekomst kunt voorspellen met behulp van ARIMA-klasse modellen en hoe je voorspellingen en inzichten kunt genereren met behulp van machine learning-modellen.