使用 Python 做時間序列資料分析課程

瞭解如何使用您的時間序列資料和預測未來!

本課程將教授學員如何使用 Python、Pandas、Numpy 和 Statsmodels 進行時間序列資料處理、視覺化以及預測未來新資料點，包括學習誤差-趨勢-週期性分解、Holt-Winters 方法、ARIMA 模型和深度學習技術，以及 Facebook 的 Prophet 程式庫。

課程介紹影片

從這 15 小時的課程，你會學到

使用 Pandas 做資料處理
使用 NumPy 和 Python 做數值處理
使用 Pandas 做資料視覺化
如何使用 Pandas 做時間序列資料處理
利用 Statsmodels 分析時間序列資料
使用 Facebook 的 Prophet 程式庫進行預測
理解用於預測的高階 ARIMA 模型

要求

一般 Python 技能(具備使用函式的知識) ( 請參考 Python 程式設計學習地圖 )

課程說明

歡迎來到最好的線上資源，學習如何使用 Python 做時間序列分析( Time Series Analysis )！

本課程將教授您使用 Python 預測時間序列資料以預測未來新資料點所需的一切知識。

我們將從基礎開始，教您如何使用 NumPy 和 Pandas 程式庫以及 Python 來處理和操作資料。然後，我們將通過學習 Pandas 程式庫的視覺化以及如何使用 Pandas 和 Python 處理時間戳記( time stamped )的資料來更深入地研究 Pandas。

然後我們將開始學習 statsmodels 程式庫及其強大的內建時間序列分析工具。包括學習誤差-趨勢-週期性( Error-Trend-Seasonality ) 分解和基本的 Holt-Winters 方法。

然後我們將進入課程的核心，包括一般的預測模型。我們將討論如何建立自動相關和部分自動相關圖表，並將它們與強大基於 ARIMA 的模型結合使用，包括週期性的 ARIMA 模型和包含外源資料點( Exogenous data points )的 SARIMAX 模型。

然後，我們將學習最先進的深度學習技術與循環神經網路，使用深度學習預測未來的資料點。

這門課程甚至涵蓋了 Facebook 的 Prophet 程式庫，這是一個用起來簡單，但功能強大的 Python 程式庫，用來預測未來的時間序列資料。

那你還在等什麼！瞭解如何使用您的時間序列資料和預測未來！

我們課程中見！

目標受眾

有興趣學習如何預測時間序列資料的 Python 開發人員

講師簡介

Jose Portilla 資料科學家 ( 更多講師主講課程介紹 )

Jose Portilla 擁有來自聖克拉拉(Santa Clara )大學的機械工程學士學位和碩士學位，也有多年資料科學和程式設計專業教練和培訓師的經驗。他在各種領域如微流體、材料科學和資料科學技術中有出版物和專利。在他的職業生涯中，他已經發展了分析資料的技能，他希望利用他在教學和資料科學方面的經驗，幫助其他人學習程式開發的能力、分析資料，以及清晰地呈現資料和漂亮的視覺化。

目前他是 Pierian Data Inc. 的資料科學主管，為世界各地的各種公司提供現場資料科學和 python 培訓課程，包括瑞士信貸等頂級銀行。歡迎隨時在 LinkedIn 上與他聯繫，獲取有關面對面培訓課程的更多資訊。

英文字幕：有

想要了解如何將英文字幕自動翻譯成中文? 請參考這篇 How-To

點選 ✨ 資料科學機器學習課程 NT320 起的優惠連結 ( 優惠不限於資料科學機器學習課程，需登入 Udemy 取得)| Udemy 永久擁有課程 ( 在電腦瀏覽器登入，點選“優惠連結”後再回想要的課程介紹中點選“報名參加課程”即可取得）
Udemy 現在越來越多課程有中文字幕，請參考 Soft & Share 中文線上課程
手機上點選優惠連結看到的價格比電腦上看到的貴
＄代表當地貨幣, 如在台灣為 NT
點選”報名參加課程”有可能因瀏覽器 cookies 轉久一點或回報錯誤而無法連上，請稍等刷新或重新點選就會出現