Kurs
Python ile Zaman Serisi Analizi
Orta SeviyeBeceri Seviyesi
Güncel 08.2024
PythonProbability & Statistics4 sa17 video59 Egzersiz4,850 XP69,804Başarı Belgesi
Ücretsiz Hesabınızı Oluşturun
Google ile devam edinDaha fazla seçenek gösterveya
Devam ederek Kullanım Şartlarımızı, Gizlilik Politikamızı ve verilerinizin ABD’de saklandığını kabul etmiş olursunuz.
Binlerce şirketten öğrencinin sevgisini kazandı
Bir Ekibi Eğitiyor musunuz?
İşletmeler için deneyinKurs Açıklaması
Zaman Serisi Analizi için Python Kullanmayı Öğrenin
Hisse senedi fiyatlarından iklim verilerine kadar, çok çeşitli alanlarda zaman serisi verileri bulabilirsiniz. Bu tür verilerle etkili bir şekilde çalışabilme becerisi, veri bilimcileri için giderek daha önemli hale gelen bir beceridir. Bu kurs, Python'da zaman serisi analizini tanıtacaktır.Zaman serisinin ne olduğunu öğrendikten sonra, otoregresif ve hareketli ortalama modellerinden eşbütünleşme modellerine kadar çeşitli zaman serisi modellerini inceleyeceksiniz. Bu süreçte, Python'daki istatistik kütüphanelerini kullanarak bu modelleri tahmin etme, öngörme ve simüle etmeyi öğreneceksiniz.
Bu modellerin nasıl kullanıldığına dair çok sayıda örnek göreceksiniz, özellikle finans alanındaki uygulamalara ağırlık verilecektir.
Zaman Serisi Yöntemlerini Kullanmayı Keşfedin
Zaman serisi verilerinin temellerini ve basit doğrusal regresyonu ele alarak başlayacaksınız. Korelasyon ve otokorelasyon kavramlarını ve bunların zaman serisi verilerine nasıl uygulandığını ele aldıktan sonra, beyaz gürültü ve rastgele yürüyüş gibi bazı basit zaman serisi modellerini inceleyeceksiniz. Ardından, zaman serisi verilerinde mevcut değerleri tahmin etmek için otoregresif (AR) modellerin nasıl kullanıldığını ve hareketli ortalama modellerin AR modelleriyle birleştirilerek nasıl güçlü ARMA modelleri oluşturulduğunu keşfedeceksiniz.Son olarak, gerçek hayattan bir vaka çalışmasına geçmeden önce, iki seriyi birlikte modellemek için koentegrasyon modellerinin nasıl kullanıldığını inceleyeceksiniz.
Zaman Serisi Analizi için Python Modelleri ve Kütüphanelerini Keşfedin Bu kursun sonunda, Python'da zaman serisi analizinin nasıl çalıştığını anlayacaksınız. Süreçte size yardımcı olabilecek bazı modeller, yöntemler ve kütüphaneler hakkında bilgi sahibi olacak ve kendi analiziniz için uygun olanları nasıl seçeceğinizi öğreneceksiniz.
Bu kurs, bu veri bilimi becerisini edinmenize yardımcı olacak beş kurstan oluşan daha geniş kapsamlı Python ile Zaman Serileri Kursu'nun bir parçasıdır.
Önkoşullar
Manipulating Time Series Data in Python1
Korelasyon ve Otokorelasyon
Bu bölümde zaman serileri için korelasyon ve otokorelasyon kavramlarıyla tanışacaksın. Korelasyon iki zaman serisi arasındaki ilişkiyi, otokorelasyon ise bir zaman serisinin geçmiş değerleriyle olan ilişkisini açıklar.
2
Bazı Basit Zaman Serileri
Bu bölümde bazı basit zaman serisi modellerini öğreneceksin. Bunlara beyaz gürültü ve rassal yürüyüş dahildir.
3
Otoregresif (AR) Modeller
Bu bölümde zaman serileri için otoregresif, yani AR, modelleri öğreneceksin. Bu modeller, serinin geçmiş değerlerini kullanarak mevcut değeri tahmin eder.
4
Hareketli Ortalama (MA) ve ARMA Modelleri
Bu bölümde başka bir model türü olan hareketli ortalama, yani MA, modelini öğreneceksin. Ayrıca AR ve MA modellerini birleştirerek güçlü bir ARMA modeline nasıl dönüştürebileceğini de göreceksin.
5
Hepsini Bir Araya Getirmek
Bu bölümde iki seriyi birlikte eşbütünleşme modelleriyle nasıl modelleyeceğini göreceksin. Ardından, New York City'den alınan sıcaklık verilerinin zaman serisini incelediğin bir vaka çalışmasıyla bölümü tamamlayacaksın.
Python ile Zaman Serisi Analizi
Kurs Tamamlandı
Başarı Belgesi Kazanın
Bu kimlik bilgisini LinkedIn profilinize, özgeçmişinize veya CV'nize ekleyinSosyal medyada ve performans incelemenizde paylaşınŞimdi kaydolun
Bugün 19 milyondan fazla öğrenciye katılın ve Python ile Zaman Serisi Analizi eğitimine başlayın!
Ücretsiz Hesabınızı Oluşturun
Google ile devam edinDaha fazla seçenek gösterveya
Devam ederek Kullanım Şartlarımızı, Gizlilik Politikamızı ve verilerinizin ABD’de saklandığını kabul etmiş olursunuz.
DataCamp for Mobile ile veri becerilerinizi geliştirin
Mobil kurslarımız ve günde 5 dakikalık kodlama görevlerimizle hareket halindeyken ilerleme kaydedin.