Kurs
Analiza szeregów czasowych w Pythonie
ŚredniozaawansowanyPoziom umiejętności
Zaktualizowano 08.2024
PythonProbability & Statistics4 godz.17 filmów59 Ćwiczeń4,850 XP69,766Zaświadczenie o ukończeniu
Utwórz bezpłatne konto
Kontynuuj z GooglePokaż więcej opcjilub
Kontynuując, akceptujesz nasze Warunki korzystania, naszą Politykę prywatności oraz to, że Twoje dane są przechowywane w USA.
Uwielbiany przez kursantów z tysięcy firm
Szkolisz zespół?
Wypróbuj dla firmOpis kursu
Dowiedz się, jak używać Pythona do analizy szeregów czasowych
Od cen akcji po dane klimatyczne, dane szeregów czasowych można znaleźć w wielu różnych dziedzinach. Posiadanie umiejętności efektywnej pracy z takimi danymi staje się coraz ważniejszą kompetencją dla data scientistów. Ten kurs wprowadzi Cię do analizy szeregów czasowych w Pythonie.Po zapoznaniu się z tym, czym jest szereg czasowy, poznasz kilka modeli szeregów czasowych — od modeli autoregresyjnych i średniej ruchomej po modele kointegracji. Po drodze nauczysz się, jak szacować, prognozować i symulować te modele za pomocą bibliotek statystycznych w Pythonie.
Zobaczysz wiele przykładów zastosowania tych modeli, ze szczególnym naciskiem na zastosowania w finansach.
Odkryj, jak korzystać z metod szeregów czasowych
Zaczniesz od omówienia podstaw danych szeregów czasowych, a także prostej regresji liniowej. Poznasz pojęcia korelacji i autokorelacji oraz to, jak odnoszą się do danych szeregów czasowych, a następnie przyjrzysz się prostym modelom szeregów czasowych, takim jak biały szum i błądzenie losowe. Następnie poznasz, jak modele autoregresyjne (AR) są wykorzystywane do danych szeregów czasowych, aby przewidywać bieżące wartości, oraz jak modele średniej ruchomej mogą łączyć się z modelami AR, tworząc potężne modele ARMA.Na koniec przyjrzysz się temu, jak wykorzystywać modele kointegracji do wspólnego modelowania dwóch szeregów, a następnie przejrzysz rzeczywiste studium przypadku.
Poznaj modele i biblioteki Pythona do analizy szeregów czasowych Pod koniec tego kursu zrozumiesz, jak działa analiza szeregów czasowych w Pythonie. Poznasz niektóre modele, metody i biblioteki, które mogą pomóc Ci w tym procesie, oraz dowiesz się, jak wybrać odpowiednie do własnej analizy.
Ten kurs jest częścią szerszej ścieżki Time Series with Python, która obejmuje zestaw pięciu kursów, pomagających Ci opanować tę umiejętność data science.
Wymagania wstępne
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.
Analiza szeregów czasowych w Pythonie
Kurs ukończony
Zdobądź zaświadczenie o ukończeniu
Dodaj to poświadczenie do swojego profilu LinkedIn, CV lub życiorysuUdostępnij to w mediach społecznościowych i podczas oceny wyników pracyZapisz się teraz
Dołącz do ponad 19 milionów kursantów i zacznij Analiza szeregów czasowych w Pythonie już dziś!
Utwórz bezpłatne konto
Kontynuuj z GooglePokaż więcej opcjilub
Kontynuując, akceptujesz nasze Warunki korzystania, naszą Politykę prywatności oraz to, że Twoje dane są przechowywane w USA.
Rozwijaj swoje umiejętności w zakresie danych dzięki DataCamp dla urządzeń mobilnych
Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.