Modern Time Series Analysis and Forecasting

Zamana bağlı veriler, finansal piyasalardan hava durumu modellerine kadar her yerde bulunur, ancak bunları analiz etmek özel bir dizi kavram gerektirir. Bu metin tabanlı kurs, sıralı verilerin en temel bilgilerinden sağlam tahmin modelleri oluşturmaya kadar sizi yönlendirir. Temel kalıpları tanımayı, dağınık veri kümelerini hazırlamayı ve gerçek dünya tahmin problemlerini çözmek için hem geleneksel istatistiksel modelleri hem de modern makine öğrenimi tekniklerini uygulamayı öğreneceksiniz. Öğrenecekleriniz: 1. Trendler, mevsimsellik ve durağanlık dahil olmak üzere temel kavramları anlayın. 2. pandas ve Polars gibi modern veri kütüphanelerini kullanarak zaman damgalı veri kümelerini hazırlayın ve temizleyin. 3. Doğrusal ilişkileri yakalamak için klasik istatistiksel tahmin modellerini uygulayın. 4. Karmaşık sıralı kalıpları modellemek için makine öğrenimi yaklaşımlarını uygulayın. 5. LSTMs ve transformers dahil olmak üzere dizi modelleme için modern derin öğrenme kavramlarını keşfedin. 6. Uygun doğrulama metriklerini kullanarak model performansını değerlendirin. Kurs, temel tanımlar ve veri hazırlama teknikleriyle başlar, sağlam bir teorik temel oluşturur. Oradan, istatistiksel ve makine öğrenimi kavramlarını uygulamak için yapılandırılmış yazılı açıklamalar ve kod örnekleri aracılığıyla ilerleyeceksiniz. Bu kurs, sıralı verilerle çalışmak isteyen başlangıç düzeyindeki veri analistleri, programcılar ve hevesli veri bilimcileri için tasarlanmıştır. Zaman serisi modellemesi konusunda önceden deneyim gerekmemektedir, ancak Python'a temel aşinalık faydalıdır. Zaman damgalı verilerinizin tahmin gücünü ortaya çıkarmak için bugün okumaya başlayın.