ایجاد تاخیر، پنجره و ویژگیهای فصلی، انجام انتساب و کدگذاری، استخراج متغیرهای تاریخ، حذف نقاط پرت.
هدف اصلی این دوره یادگیری نحوه استفاده از پایتون در پیش بینی واقعی و تجزیه و تحلیل سری های زمانی است
آشنایی با مدل های پیش بینی تحلیل سری های زمانی در پایتون | تجسم داده های زمان|AR|MA|ARIMA|رگرسیون| ANN
پایتون را برای پانداها ، Statsmodels ، ARIMA ، SARIMAX ، Deep Learning ، LSTM و پیش بینی به آینده بیاموزید
تحلیل سری زمانی یکی از جنبه های دشوار و گیج کننده علم داده است. این دوره به شما نحوه استفاده از TensorFlow با داده های سری زمانی و تولید پیش بینی ها و پیش بینی های با عملکرد بالا را آموزش می دهد.
این دوره به شما می آموزد که چگونه با آمازون پیش بینی ، یک سرویس مدیریت شده که پیش بینی های دقیق آینده را با استفاده از یادگیری ماشین ، با تهیه داده ها و مدل های پیش بینی آموزش ، فراهم می کند ، کار کنید.
کار با سری های زمانی و انواع داده های مربوط به زمان در R - پیش بینی، تجزیه و تحلیل سری های زمانی، تجزیه و تحلیل پیش بینی
تحلیل R و سری زمانی دست به دست هم می دهند. در این دوره ، شما می آموزید که چگونه به طور موثر از R و بسته پیش بینی برای تمرین تجزیه و تحلیل سری های زمانی و کار بر روی پروژه ها و داده های دنیای واقعی استفاده کنید.
از Tableau برای کار با سری های زمانی، ایجاد پیش بینی و حتی اضافه کردن عملکرد R برای بهبود Tableau استفاده کنید.
از R برای کار بر روی نمونههای تحلیل و پیشبینی سریهای زمانی دنیای واقعی استفاده کنید. علم داده کاربردی با R.
داده های سری زمانی در هر زمینه ای یافت می شود. این دوره به شما یاد می دهد که چگونه این نوع خاص از داده ها را مدیریت کنید و چگونه مدل های پیش بینی ایجاد کنید.