Depois de fazer esses cursos, sinto-me confiante para criar visualizações e painéis profissionais
Shoebur RahmanEspecialista em compras, Giz Bangladesh
Descrição do curso
Dados de séries temporais estão em toda parte. Seja a oscilação do mercado de ações, dados de sensores registrando mudanças climáticas ou a atividade do cérebro, qualquer sinal que muda ao longo do tempo pode ser descrito como uma série temporal. Machine Learning surgiu como um método poderoso para aproveitar a complexidade dos dados e gerar previsões e insights sobre o problema que você quer resolver. Este curso é a interseção entre esses dois mundos — Machine Learning e dados de séries temporais — e aborda engenharia de atributos, espectrogramas e outras técnicas avançadas para classificar sons de batimentos cardíacos e prever preços de ações.
Pré-requisitos
Programa de estudos
Descrição do curso
1
Introdução a séries temporais e Machine Learning
Este capítulo apresenta o básico de Machine Learning, dados de séries temporais e onde esses dois temas se encontram.
- Tipos de séries temporais e aplicações50 XP
- Identificando uma série temporal50 XP
- Plotando uma série temporal (I)100 XP
- Plotando uma série temporal (II)100 XP
- Noções básicas de Machine Learning50 XP
- Ajustando um modelo simples: classificação100 XP
- Prevendo com um modelo de classificação100 XP
- Ajustando um modelo simples: regressão100 XP
- Fazendo previsões com um modelo de regressão100 XP
- Machine learning e dados de séries temporais50 XP
- Inspecionando os dados de classificação100 XP
- Inspecionando os dados de regressão100 XP
2
Séries temporais como entrada do modelo
A maneira mais simples de incorporar séries temporais ao seu pipeline de Machine Learning é usá-las como atributos em um modelo. Este capítulo aborda atributos comuns extraídos de séries temporais para fazer Machine Learning.
3
Prevendo dados de séries temporais
Se você quer prever padrões em dados ao longo do tempo, há cuidados especiais na escolha e construção do modelo. Este capítulo mostra como extrair insights dos dados antes de ajustar o modelo, além de boas práticas no uso de modelos preditivos para séries temporais.
4
Validação e inspeção de modelos para séries temporais
Depois de ter um modelo para prever dados de séries temporais, você precisa decidir se ele é bom ou ruim. Este capítulo cobre o básico de gerar previsões com modelos para validá-los em dados de “teste”.
Machine Learning para dados de séries temporais em Python
Curso
concluído
