全栈时间序列预测大师班

资源截图

MP4 |视频：h264，1920×1080 |音频：AAC，44.1 KHz，2 Ch
级别：初学者 |类型： 电子学习 |语言： 英语 |时长：66 个讲座（3h 14m）

你将学到什么

• 识别时态数据中的趋势、季节性、噪声和异常等关键组成部分
• 针对真实数据集构建和评估模型，例如 ARIMA、SARIMA、Prophet 和深度学习架构（LSTM、GRU）
• 使用 Pandas、NumPy、Scikit-learn、Matplotlib 和优化的数据结构实施预测工作流程，以实现可扩展的时间序列处理
• 应用参数和非参数方法来提高模型的可解释性和性能
• 可视化预测、评估准确性并为业务决策提供见解

要求

• Python 基础知识

描述

在这个实用的全栈时间序列预测大师班中，了解如何使用 Python 预测趋势、模式和未来值。本课程专为初学者设计并逐渐发展为中级和高级技术，教您如何分析基于时间的数据、发现见解以及使用真实数据集构建准确的预测模型。

您将从时间序列基础、探索性数据分析和诊断开始。然后，您将构建经典预测模型，例如 ARIMA 和 SARIMAX，然后使用 Prophet 和机器学习算法进行以业务为中心的预测。随着您的进步，您将探索深度学习方法，包括 CNN、LSTM 和 GRU，以对复杂序列进行建模并提高预测准确性。本课程最后介绍了现代预测系统中使用的异常检测技术。

每个模块都包含动手实践的 Python 项目和可下载的笔记本，以便您可以立即应用所学知识。无论您是数据分析师、学生还是开发人员，您都将获得实用技能来做出自信的数据驱动决策。您还将学习如何评估模型性能、比较预测方法以及针对不同类型的时间序列问题选择正确的技术，从而确保在不同的数据集和场景中获得更强的结果，从而获得更好的预测结果。最后，您将拥有一个可以在实际预测任务中重复使用的完整工作流程。

今天就开始更智能地预测。

本课程适合谁

本课程非常适合初学者数据分析师、有抱负的数据科学家、处理数据的业务专业人士、学习预测的学生、想要实际项目的 Python 学习者以及任何对时间序列预测感兴趣的人。