コース概要

時系列分析の入門

  • 時系列データの概要
  • 時系列の構成要素:トレンド、季節性、ノイズ
  • Google Colabを時系列分析に設定する

時系列の探索的データ分析

  • 時系列データの可視化
  • 時系列成分の分解
  • 季節性とトレンドの検出

ARIMAモデルによる時系列予測

  • ARIMA(自己回帰積分移動平均)の理解
  • ARIMAモデルのパラメータ選択
  • PythonでのARIMAモデルの実装

Prophetによる時系列予測の入門

  • 時系列予測におけるProphetの概要
  • Google ColabでのProphetモデルの実装
  • 予測における祝日と特別なイベントの扱い方

高度な予測技術

  • 時系列データの欠損値の扱い方
  • 多変量時系列予測
  • エクスターナル回帰子を使用した予測のカスタマイズ

予測モデルの評価と調整

  • 時系列予測のパフォーマンス指標
  • ARIMAとProphetモデルの微調整
  • クロスバリデーションとバックテスト

時系列分析の実世界での応用

  • 時系列予測のケーススタディ
  • 実際のデータセットを用いた実践的な練習
  • Pythonでの時系列分析の次のステップ

まとめと次回のステップ

要求

  • Pythonプログラミングの中級知識
  • 基本的な統計とデータ分析技術の知識

対象者

  • データアナリスト
  • データサイエンティスト
  • 時系列データを扱うプロフェッショナル
 21 時間

参加者の人数


参加者1人あたりの価格

お客様の声 (4)

今後のコース

関連カテゴリー