Tidsserier i Python

Tidsseriedata är en av de vanligaste datatyperna och att förstå hur man arbetar med den är en avgörande datavetenskaplig färdighet om du vill göra prognoser och rapportera om trender. I den här banan lär du dig att manipulera tidsseriedata med pandas, arbeta med statistiska bibliotek som NumPy och statsmodels för att analysera data, och utveckla dina visualiseringsfärdigheter med Matplotlib, SciPy och seaborn. Sedan tillämpar du dina tidsseriekunskaper med verkliga data, inklusive finansiella aktiedata, UFO-observationer, CO2-nivåer på Maui, månatlig godisproduktion i USA och hjärtljud. I slutet av det här spåret kommer du att kunna förutsäga framtiden med ARIMA-modeller och generera prognoser och insikter med hjälp av maskininlärningsmodeller.