Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Modèles ARIMA pour les Séries Temporelles Forecasting
Techniques Avancées Forecasting
Évaluation et Affinement des Modèles de Prévision
Exploratoire Data Analysis pour les Séries Temporelles
Introduction à Prophet pour les Séries Temporelles Forecasting
Introduction à l'Analyse des Séries Temporelles
Applications Réelles de l'Analyse des Séries Temporelles
Résumé et Étapes Suivantes
- Cas pratiques de prévision de séries temporelles
- Exercices pratiques avec des jeux de données réels
- Étapes suivantes pour l'analyse des séries temporelles dans Python
- Gestion des données manquantes dans les séries temporelles
- Prévision de séries temporelles multivariées
- Personnalisation des prévisions avec des régresseurs externes
- Présentation de Prophet pour la prévision de séries temporelles
- Implémentation des modèles Prophet dans Google Colab
- Gestion des vacances et événements spéciaux dans la prévision
- Présentation des données de séries temporelles
- Composantes des séries temporelles : tendance, saisonnalité, bruit
- Configuration de Google Colab pour l'analyse des séries temporelles
- Métriques de performance pour la prévision des séries temporelles
- Affinement des modèles ARIMA et Prophet
- Validation croisée et rétrotest
- Compréhension de l'ARIMA (Moyenne Mobile Intégrée Autorégressive)
- Choix des paramètres pour les modèles ARIMA
- Implémentation des modèles ARIMA dans Python
- Visualisation des données de séries temporelles
- Décomposition des composantes des séries temporelles
- Détecter la saisonnalité et les tendances
Pré requis
Public
- Analystes de données
- Scientifiques des données
- Professionnels travaillant avec des séries temporelles
- Connaissance intermédiaire du Python programmation
- Familiarité avec les statistiques de base et les techniques d'analyse des données
21 Heures
Nos clients témoignent (5)
Les exemples pratiques nous ont permis de ressentir réellement comment le programme fonctionne. Des explications détaillées et une intégration des concepts théoriques et leur relation avec les applications pratiques.
Ian - Archeoworks Inc.
Formation - ArcGIS Fundamentals
Traduction automatique
Tous les sujets qu'il a abordés, y compris des exemples. Et également expliqué comment ils sont utiles dans notre travail quotidien.
madduri madduri - Boskalis Singapore Pte Ltd
Formation - QGIS for Geographic Information System
Traduction automatique
J'ai aimé le style de Pablo, le fait qu'il couvre beaucoup de sujets, de la conception de rapports, la personnalisation avec html à l'implémentation d'algortithmes ML simples. [L'équilibre entre les informations théoriques et les exercices. Pablo a vraiment couvert tous les sujets qui m'intéressaient et a donné des réponses complètes à mes questions.
Cristian Tudose - SC Automobile Dacia SA
Formation - Advanced Data Analysis with TIBCO Spotfire
Traduction automatique
Application pratique de Spotfire et toutes les fonctions de base.
Michael Capili - STMicroelectronics, Inc.
Formation - Introduction to Spotfire
Traduction automatique
La chose que j'ai le plus aimée dans la formation était l'organisation et l'emplacement
Hamid Tuama - Ability with Innovation General Contracting (DMCC Branch)
Formation - ArcGIS for Spatial Analysis
Traduction automatique
