Efter att ha gått de här kurserna känner jag mig trygg med att skapa professionella visualiseringar och dashboards
Shoebur RahmanInköpsspecialist, Giz Bangladesh
Kursbeskrivning
Lär dig använda Python för tidsserieanalys
Från aktiekurser till klimatdata – du hittar tidsseriedata inom en mängd olika områden. Att ha färdigheterna att arbeta effektivt med sådan data blir allt viktigare för data scientists. Den här kursen introducerar dig till tidsserieanalys i Python.Efter att ha lärt dig vad en tidsserie är kommer du att utforska flera tidsseriemodeller, från autoregressiva och glidande medelvärdesmodeller till kointegrationsmodeller. Under tiden kommer du att lära dig hur du uppskattar, förutspår och simulerar dessa modeller med hjälp av statistiska bibliotek i Python.
Du får se många exempel på hur dessa modeller används, med särskilt fokus på tillämpningar inom finans.
Upptäck hur du använder tidsseriemetoder
Du börjar med att gå igenom grunderna i tidsseriedata samt enkel linjär regression. Du kommer att gå igenom begreppen korrelation och autokorrelation och hur de används på tidsseriedata, innan du utforskar några enkla tidsseriemodeller som white noise och random walk. Därefter kommer du att utforska hur autoregressiva (AR) modeller används för tidsseriedata för att förutsäga aktuella värden och hur glidande medelvärdesmodeller kan kombineras med AR-modeller för att skapa kraftfulla ARMA-modeller.Slutligen kommer du att lära dig hur du använder kointegrationsmodeller för att modellera två tidsserier tillsammans, innan du tittar på en verklig fallstudie.
Utforska Python-modeller och bibliotek för tidsserieanalys I slutet av den här kursen kommer du att förstå hur tidsserieanalys i Python fungerar. Du kommer att lära dig om några av de modeller, metoder och bibliotek som kan hjälpa dig i processen och veta hur du väljer de som passar bäst för din egen analys.
Den här kursen är en del av Time Series with Python Track, som består av fem kurser och hjälper dig att bemästra denna data science-färdighet.
Förkunskapskrav
Kursplan
Kursöversikt
1
Korrelation och autokorrelation
I det här kapitlet får du en introduktion till begreppen korrelation och autokorrelation för tidsserier. Korrelation beskriver sambandet mellan två tidsserier, medan autokorrelation beskriver hur en tidsserie förhåller sig till sina egna tidigare värden.
- Introduktion till kursen50 XP
- En "smal" tillämpning av tidsserier100 XP
- Sammanfoga tidsserier med olika datum100 XP
- Korrelation mellan två tidsserier50 XP
- Korrelation mellan aktier och obligationer100 XP
- Flygande tefat är inte korrelerade med en stigande marknad100 XP
- Enkel linjär regression50 XP
- Undersöka en regressions R-kvadrat100 XP
- Matcha korrelation med regressionsresultat50 XP
- Autokorrelation50 XP
- En populär strategi med autokorrelation100 XP
- Är räntor autokorrelerade?100 XP
2
Enkla tidsseriemodeller
I det här kapitlet lär du dig om några enkla tidsseriemodeller, däribland vitbrus och en slumpvandring.
3
Autoregressiva (AR) modeller
I det här kapitlet lär du dig om autoregressiva, eller AR, modeller för tidsserier. Dessa modeller använder tidigare värden i serien för att förutsäga det aktuella värdet.
4
Glidande medelvärde (MA) och ARMA-modeller
I det här kapitlet lär du dig om en annan typ av modell – modellen för glidande medelvärde, eller MA-modellen. Du får också se hur AR- och MA-modeller kan kombineras till en kraftfull ARMA-modell.
5
Allt hänger ihop
I det här kapitlet får du lära dig att modellera två serier gemensamt med hjälp av kointegrationmodeller. Kapitlet avslutas med en fallstudie där du analyserar en tidsserie med temperaturdata från New York City.
Tidsserieanalys i Python
Kurs
slutförd
