Build your ultimate AI agent
Kursbeskrivning
I den här kursen fördjupar du dina kunskaper om tidsserier genom interaktiva övningar och intressanta datamängder. Du utforskar en rad olika datamängder om Boston, inklusive data om flyg, väder, ekonomiska trender och lokala sportlag.
Förkunskapskrav
Kursplan
Kursöversikt
1
Flygdata
Du har blivit anlitad för att förstå resebehovet hos turister som besöker Bostonområdet. Som din första uppgift på jobbet får du öva på de färdigheter du lärt dig för att hantera tidsseridata i R – genom att utforska data om flygningar till Bostons Logan International Airport (BOS) med hjälp av xts och zoo.
- Repetition av xts-grunderna50 XP
- Identifiera tidsserien50 XP
- Flygdata100 XP
- Identifiera xts-objektet50 XP
- Koda dina flygdata100 XP
- Manipulera och visualisera dina data50 XP
- Utforska dina flygdata100 XP
- Visualisera flygdata100 XP
- Beräkna trender i tidsserier100 XP
- Spara och exportera xts-objekt50 XP
- Analysera flygtrender50 XP
- Spara tid – I100 XP
- Spara tid – del II100 XP
2
Väderdata
I det här kapitlet utökar du ditt bibliotek av tidsseridata med väderdata från Bostonområdet. Innan du kan genomföra någon analys behöver du bearbeta data, bland annat slå samman flera xts-objekt och isolera vissa tidsperioder. Det är ett utmärkt tillfälle att öva mer!
3
Ekonomiska data
Nu är det dags att gå lite längre. Utöver flygförseningar är din kund intresserad av hur Bostons turistindustri påverkas av ekonomiska trender. Du behöver bearbeta tidsseridata om ekonomiska indikatorer, bland annat BNP per capita och arbetslöshet – både i USA generellt och i Massachusetts (MA) i synnerhet.
4
Sportdata
Efter att ha undersökt andra möjligheter tror din kund nu att Bostons turistindustri måste hänga ihop med de lokala sportlagets framgångar. I din sista uppgift i projektet har din handledare bett dig att sammanställa tidsseridata om Bostons sportlag under de senaste åren.
R
Fallstudie: Analys av tidsseridata för städer i R
Kurs
slutförd
