Efter att ha gått de här kurserna känner jag mig trygg med att skapa professionella visualiseringar och dashboards
Shoebur RahmanInköpsspecialist, Giz Bangladesh
Kursbeskrivning
Tidsseriedata finns överallt. Oavsett om det handlar om aktiekursfluktuationer, sensordata som registrerar klimatförändringar eller hjärnaktivitet – varje signal som förändras över tid kan beskrivas som en tidsserie. Maskininlärning har vuxit fram som en kraftfull metod för att utnyttja komplexiteten i data för att generera förutsägelser och insikter om det problem man försöker lösa. Den här kursen är en korsning mellan maskininlärning och tidsseriedata, och behandlar feature engineering, spektrogram och andra avancerade tekniker för att klassificera hjärtljud och förutsäga aktiekurser.
Förkunskapskrav
Kursplan
Kursöversikt
1
Introduktion till tidsserier och maskininlärning
Det här kapitlet är en introduktion till grunderna i maskininlärning, tidsseriedata och skärningspunkten mellan de två.
- Tidsseriernas typer och tillämpningar50 XP
- Identifiera en tidsserie50 XP
- Plotta en tidsserie (I)100 XP
- Plotta en tidsserie (II)100 XP
- Grunderna i maskininlärning50 XP
- Träna en enkel modell: klassificering100 XP
- Förutsägelser med en klassificeringsmodell100 XP
- Anpassa en enkel modell: regression100 XP
- Göra förutsägelser med en regressionsmodell100 XP
- Maskininlärning och tidsseriedata50 XP
- Utforska klassificeringsdata100 XP
- Utforska regressionsdata100 XP
2
Tidsserier som indata till en modell
Det enklaste sättet att integrera tidsserier i din maskininlärningspipeline är att använda dem som särdrag i en modell. Det här kapitlet går igenom vanliga särdrag som extraheras från tidsserier för att användas i maskininlärning.
3
Förutsäga tidsseriedata
Om du vill förutsäga mönster i data över tid finns det särskilda överväganden att ta hänsyn till när du väljer och konstruerar din modell. Det här kapitlet går igenom hur du får insikter i datan innan du anpassar din modell, samt bästa praxis för prediktiv modellering av tidsseriedata.
4
Validera och granska tidsseriemodeller
När du har en modell för att förutsäga tidsseriedata behöver du avgöra om det är en bra eller dålig modell. Det här kapitlet täcker grunderna för att generera förutsägelser med modeller och validera dem mot testdata.
Maskininlärning för tidsseriedata i Python
Kurs
slutförd
