Course Outline

시계열 분석 소개

  • 시계열 데이터 개요
  • 시계열의 구성 요소: 추세, 계절성, 노이즈
  • 시계열 분석을 위한 Google Colab 설정

시계열에 대한 탐색 Data Analysis

  • 시계열 데이터 시각화
  • 시계열 구성요소 분해
  • 계절성과 추세 감지

시계열을 위한 ARIMA 모델Forecasting

  • ARIMA(자기 회귀 통합 이동 평균) 이해
  • ARIMA 모델에 대한 매개변수 선택
  • Python에서 ARIMA 모델 구현

시계열을 위한 Prophet 소개 Forecasting

  • 시계열 예측을 위한 Prophet 개요
  • Google Colab에서 Prophet 모델 구현
  • 예측에서 휴일 및 특별 이벤트 처리

고급Forecasting기술

  • 시계열에서 누락된 데이터 처리
  • 다변량 시계열 예측
  • 외부 회귀자를 사용한 예측 사용자 정의

예측 모델 평가 및 미세 조정

  • 시계열 예측을 위한 성과 지표
  • ARIMA 및 Prophet 모델 미세 조정
  • 교차 검증 및 백테스팅

시계열 분석의 실제 세계 응용 프로그램

  • 시계열 예측 사례 연구
  • 실제 데이터 세트를 사용한 실습 연습
  • Python의 시계열 분석을 위한 다음 단계

요약 및 다음 단계

Requirements

  • Python 프로그래밍에 대한 중급 지식
  • 기본 통계 및 데이터 분석 기술에 대한 지식

청중

  • 데이터 분석가
  • 데이터 과학자
  • 시계열 데이터를 다루는 전문가
 21 Hours

Number of participants


Price per participant

회원 평가 (5)

Upcoming Courses

Related Categories