After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
รายละเอียดคอร์ส
ข้อมูล time series พบได้ทั่วไปในสาขา Data Science ไม่ว่าจะเป็นการวิเคราะห์แนวโน้มทางธุรกิจ การพยากรณ์รายได้ของบริษัท หรือการศึกษาพฤติกรรมของลูกค้า นักวิทยาศาสตร์ข้อมูลทุกคนมีโอกาสสูงมากที่จะได้ทำงานกับข้อมูลประเภทนี้ คอร์สนี้จะมอบความรู้เชิงปฏิบัติในการแสดงภาพข้อมูล time series ด้วย Python เพื่อเป็นจุดเริ่มต้นที่มั่นคงสำหรับการทำงานกับข้อมูลประเภทนี้
ข้อกำหนดเบื้องต้น
หลักสูตร
โครงสร้างคอร์ส
1
Line Plot
จะได้เรียนรู้วิธีใช้เครื่องมือพื้นฐานสำหรับการพล็อตกราฟใน Python รวมถึงการเพิ่มคำอธิบายและปรับแต่งกราฟ time series ให้ตรงกับความต้องการ เมื่อจบบทนี้ จะสามารถนำชุดข้อมูลใดก็ได้มาสร้างกราฟที่น่าสนใจและสื่อความหมายได้อย่างมีประสิทธิภาพ
- ยินดีต้อนรับสู่คอร์ส!50 XP
- โหลดข้อมูล time series ของคุณ100 XP
- ทดสอบว่าข้อมูลมีประเภทที่ถูกต้องหรือไม่100 XP
- วาดกราฟอนุกรมเวลาแรกของคุณ50 XP
- กราฟแรกของคุณ!100 XP
- กำหนดสไตล์ของพล็อต100 XP
- แสดงและติดป้ายกำกับกราฟ100 XP
- ปรับแต่งกราฟอนุกรมเวลาของคุณ50 XP
- การกรองข้อมูล time series100 XP
- เพิ่มเครื่องหมายแนวตั้งและแนวนอน100 XP
- เพิ่มพื้นที่แรเงาลงในกราฟ100 XP
2
สถิติสรุปและการวินิจฉัยข้อมูล
ในบทนี้ จะได้เจาะลึกข้อมูล time series ด้วยการคำนวณสถิติสรุปและการพล็อตกราฟในมุมมองเชิงรวม เพื่อทำความเข้าใจข้อมูลได้อย่างครอบคลุมยิ่งขึ้น
3
ฤดูกาล แนวโน้ม และสัญญาณรบกวน
จะได้ก้าวข้ามสถิติสรุปพื้นฐาน โดยเรียนรู้เกี่ยวกับกราฟ autocorrelation และ partial autocorrelation นอกจากนี้ยังจะได้เรียนรู้วิธีตรวจจับฤดูกาล แนวโน้ม และสัญญาณรบกวนในข้อมูล time series โดยอัตโนมัติ
4
การทำงานกับ Time Series หลายชุดพร้อมกัน
ในสาขา Data Science มักพบโปรเจกต์ที่ต้องวิเคราะห์ข้อมูล time series หลายชุดพร้อมกัน ในบทนี้ จะได้เรียนรู้วิธีพล็อตกราฟ time series หลายชุดในคราวเดียว รวมถึงวิธีค้นหาและอธิบายความสัมพันธ์ระหว่างชุดข้อมูลเหล่านั้น
5
กรณีศึกษา: อัตราการว่างงาน
บทนี้เป็นโอกาสฝึกฝนแนวคิดทั้งหมดที่ได้เรียนในคอร์ส โดยจะได้แสดงภาพอัตราการว่างงานในสหรัฐอเมริการะหว่างปี 2000 ถึง 2010
การแสดงภาพข้อมูล Time Series ด้วย Python
เรียนจบแล้ว
