Depois de fazer esses cursos, sinto-me confiante para criar visualizações e painéis profissionais
Shoebur RahmanEspecialista em compras, Giz Bangladesh
Descrição do curso
Você já tentou prever o futuro? O que está por vir é um mistério que geralmente só se resolve com o tempo. Neste curso, você pode parar de esperar e mergulhar no mundo da modelagem de séries temporais usando modelos ARIMA em Python para prever o futuro.
Tornando esses conceitos fáceis de entender e aplicar, você vai descobrir como fazer previsões um passo à frente, projeções dinâmicas e ajustar modelos ARIMA diretamente aos seus dados.
Esse projeto final junta tudo, te dando uma compreensão completa da modelagem ARIMA.
Dados de séries temporais
Comece aprendendo o básico sobre dados de séries temporais, incluindo o conceito de estacionariedade — essencial para trabalhar com modelos ARMA. Você vai aprender a testar a estacionariedade tanto visualmente quanto estatisticamente, gerar dados ARMA e ajustar modelos ARMA para ter uma base sólida.Pacote Statsmodels
Conforme você avança, explore o poderoso pacote Statsmodels para ajustar modelos ARMA, ARIMA e ARMAX. Você vai ter experiência prática usando seus modelos para prever valores futuros, como preços de ações.Tornando esses conceitos fáceis de entender e aplicar, você vai descobrir como fazer previsões um passo à frente, projeções dinâmicas e ajustar modelos ARIMA diretamente aos seus dados.
Gráficos ACF e PACF
Um dos destaques é aprender a escolher o melhor modelo usando gráficos ACF e PACF para identificar ordens de modelo promissoras. Você vai aprender sobre critérios como AIC e BIC para seleção e diagnóstico de modelos, o que vai te ajudar a refinar seus modelos até ficarem perfeitos..Modelos SARIMA
O curso termina com modelos ARIMA (SARIMA) sazonais, perfeitos para lidar com dados com padrões sazonais. Você vai aprender a decompor dados de séries temporais em componentes sazonais e não sazonais e aplicar suas habilidades em ARIMA em um desafio de previsão global.Esse projeto final junta tudo, te dando uma compreensão completa da modelagem ARIMA.
Pré-requisitos
Programa de estudos
Conteúdo do curso
1
Modelos ARMA
Mergulhe de cabeça e conheça as propriedades mais importantes de séries temporais. Você vai aprender sobre estacionariedade e por que isso é importante para modelos ARMA. Vai aprender a testar estacionariedade visualmente e com um teste estatístico padrão. Por fim, vai conhecer a estrutura básica dos modelos ARMA e usá-la para gerar alguns dados ARMA e ajustar um modelo ARMA.
- Introdução a séries temporais e estacionaridade50 XP
- Exploração100 XP
- Divisões de treino e teste100 XP
- É estacionária?100 XP
- Tornando séries temporais estacionárias50 XP
- Dickey-Fuller Aumentado100 XP
- Calculando a diferença100 XP
- Outras transformações100 XP
- Introdução aos modelos AR, MA e ARMA50 XP
- Ordem do modelo100 XP
- Gerando dados ARMA100 XP
- Ajuste: prelúdio100 XP
2
Ajustando o Futuro
O que vem pela frente neste capítulo é você prevendo o que vem pela frente nos seus dados. Você vai aprender a usar o elegante pacote statsmodels para ajustar modelos ARMA, ARIMA e ARMAX. Depois, vai usar seus modelos para prever o futuro incerto dos preços das ações!
3
Os Melhores entre os Melhores
Neste capítulo, você vai se tornar um modelador de gosto apurado. Vai aprender a identificar ordens de modelo promissoras a partir dos próprios dados e, depois que os modelos mais promissores forem treinados, vai aprender a escolher o melhor modelo desse conjunto ajustado. Você também vai conhecer um ótimo framework para estruturar seus projetos de séries temporais.
4
Modelos ARIMA Sazonais
Neste capítulo final, você vai aprender a usar modelos ARIMA sazonais para ajustar dados mais complexos. Você vai aprender a decompor esses dados em partes sazonais e não sazonais e, em seguida, terá a chance de usar todas as suas ferramentas de ARIMA em um último desafio de previsão global.
Modelos ARIMA em Python
Curso
concluído
