Szeregi czasowe w Pythonie

Dane szeregów czasowych to jeden z najczęściej spotykanych typów danych, a umiejętność pracy z nimi jest kluczową kompetencją data science, jeśli chcesz tworzyć prognozy i raportować trendy. W tym kursie nauczysz się manipulować danymi szeregów czasowych za pomocą pandas, pracować z bibliotekami statystycznymi, w tym NumPy i statsmodels, aby analizować dane, oraz rozwijać umiejętności wizualizacji z użyciem Matplotlib, SciPy i seaborn. Następnie zastosujesz swoje umiejętności w zakresie szeregów czasowych, wykorzystując rzeczywiste dane, w tym dane giełdowe, obserwacje UFO, poziomy CO2 na Maui, miesięczną produkcję cukierków w USA oraz dźwięki bicia serca. Pod koniec tego kursu będziesz wiedzieć, jak prognozować przyszłość za pomocą modeli klasy ARIMA oraz generować przewidywania i wnioski przy użyciu modeli uczenia maszynowego.