ข้ามไปยังเนื้อหาหลัก

บ้าน Python

Courses

Machine Learning for Time Series Data in Python

ขั้นสูงระดับทักษะ

อัปเดตแล้ว 02/2569

This course focuses on feature engineering and machine learning for time series data.

เริ่มเรียนหลักสูตรฟรี

PythonMachine Learning4 ชม.13 videos53 Exercises4,550 เอ็กซ์พี52,782คำแถลงแสดงความสำเร็จ

สร้างบัญชีฟรีของคุณ

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

เป็นที่ชื่นชอบของผู้เรียนในบริษัทหลายพันแห่ง

ฝึกอบรมบุคคลตั้งแต่ 2 คนขึ้นไป?

ลองใช้ DataCamp for Business

คำอธิบายรายวิชา

Time series data is ubiquitous. Whether it be stock market fluctuations, sensor data recording climate change, or activity in the brain, any signal that changes over time can be described as a time series. Machine learning has emerged as a powerful method for leveraging complexity in data in order to generate predictions and insights into the problem one is trying to solve. This course is an intersection between these two worlds of machine learning and time series data, and covers feature engineering, spectograms, and other advanced techniques in order to classify heartbeat sounds and predict stock prices.

ข้อกำหนดเบื้องต้น

Manipulating Time Series Data in Python Visualizing Time Series Data in Python Supervised Learning with scikit-learn

1

Time Series and Machine Learning Primer

This chapter is an introduction to the basics of machine learning, time series data, and the intersection between the two.

Timeseries kinds and applications

50 เอ็กซ์พี

Identifying a time series

50 เอ็กซ์พี

Plotting a time series (I)

100 เอ็กซ์พี

Plotting a time series (II)

100 เอ็กซ์พี

Machine learning basics

50 เอ็กซ์พี

Fitting a simple model: classification

100 เอ็กซ์พี

Predicting using a classification model

100 เอ็กซ์พี

Fitting a simple model: regression

100 เอ็กซ์พี

Predicting using a regression model

100 เอ็กซ์พี

Machine learning and time series data

50 เอ็กซ์พี

Inspecting the classification data

100 เอ็กซ์พี

Inspecting the regression data

100 เอ็กซ์พี

เริ่มบท

2

Time Series as Inputs to a Model

The easiest way to incorporate time series into your machine learning pipeline is to use them as features in a model. This chapter covers common features that are extracted from time series in order to do machine learning.

Classifying a time series

50 เอ็กซ์พี

Many repetitions of sounds

100 เอ็กซ์พี

Invariance in time

100 เอ็กซ์พี

Build a classification model

100 เอ็กซ์พี

Improving features for classification

50 เอ็กซ์พี

Calculating the envelope of sound

100 เอ็กซ์พี

Calculating features from the envelope

100 เอ็กซ์พี

Derivative features: The tempogram

100 เอ็กซ์พี

The spectrogram

50 เอ็กซ์พี

Spectrograms of heartbeat audio

100 เอ็กซ์พี

Engineering spectral features

100 เอ็กซ์พี

Combining many features in a classifier

100 เอ็กซ์พี

เริ่มบท

3

Predicting Time Series Data

If you want to predict patterns from data over time, there are special considerations to take in how you choose and construct your model. This chapter covers how to gain insights into the data before fitting your model, as well as best-practices in using predictive modeling for time series data.

Predicting data over time

50 เอ็กซ์พี

Introducing the dataset

100 เอ็กซ์พี

Fitting a simple regression model

100 เอ็กซ์พี

Visualizing predicted values

100 เอ็กซ์พี

Advanced time series prediction

50 เอ็กซ์พี

Visualizing messy data

100 เอ็กซ์พี

Imputing missing values

100 เอ็กซ์พี

Transforming raw data

100 เอ็กซ์พี

Handling outliers

100 เอ็กซ์พี

Creating features over time

50 เอ็กซ์พี

Engineering multiple rolling features at once

100 เอ็กซ์พี

Percentiles and partial functions

100 เอ็กซ์พี

Using "date" information

100 เอ็กซ์พี

เริ่มบท

4

Validating and Inspecting Time Series Models

Once you've got a model for predicting time series data, you need to decide if it's a good or a bad model. This chapter coves the basics of generating predictions with models in order to validate them against "test" data.

Creating features from the past

50 เอ็กซ์พี

Creating time-shifted features

100 เอ็กซ์พี

Special case: Auto-regressive models

100 เอ็กซ์พี

Visualize regression coefficients

100 เอ็กซ์พี

Auto-regression with a smoother time series

100 เอ็กซ์พี

Cross-validating time series data

50 เอ็กซ์พี

Cross-validation with shuffling

100 เอ็กซ์พี

Cross-validation without shuffling

100 เอ็กซ์พี

Time-based cross-validation

100 เอ็กซ์พี

Stationarity and stability

50 เอ็กซ์พี

Stationarity

50 เอ็กซ์พี

Bootstrapping a confidence interval

100 เอ็กซ์พี

Calculating variability in model coefficients

100 เอ็กซ์พี

Visualizing model score variability over time

100 เอ็กซ์พี

Accounting for non-stationarity

100 เอ็กซ์พี

50 เอ็กซ์พี

เริ่มบท

Machine Learning for Time Series Data in Python

หลักสูตรเสร็จสมบูรณ์

ได้รับใบรับรองความสำเร็จ

เพิ่มข้อมูลรับรองนี้ลงในโปรไฟล์ LinkedIn, ประวัติย่อ หรือเรซูเม่ของคุณ
แชร์ลงในโซเชียลมีเดียและในรายงานประเมินผลการปฏิบัติงานของคุณลงทะเบียนเลย

สำหรับธุรกิจ

ฝึกอบรมบุคคลตั้งแต่ 2 คนขึ้นไป?

ให้ทีมของคุณเข้าถึงแพลตฟอร์ม DataCamp แบบเต็มรูปแบบ รวมถึงฟีเจอร์ทั้งหมด

ในแทร็กต่อไปนี้

Machine Learning Scientist in Python

Time Series in Python

instructors

Chris Holdgraf

Fellow at the Berkeley Institute for Data Science

collaborators

Lore Dirick

Sumedh Panchadhar

Eunkyung Park

Courses resources

Pricesdatasets

Audiodatasets

เข้าร่วมกับ... 19 ล้านผู้เรียน และเริ่ม Machine Learning for Time Series Data in Python วันนี้เลย!

สร้างบัญชีฟรีของคุณ

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp for Mobile

พัฒนาทักษะได้ทุกที่ทุกเวลาด้วยคอร์สเรียนบนมือถือและแบบฝึกหัดเขียนโค้ดประจำวัน 5 นาทีของเรา