Plan du cours
Introduction à l'analyse des séries temporelles
- Vue d'ensemble des données de séries temporelles
- Composantes des séries temporelles : tendance, saisonnalité, bruit
- Configuration de Google Colab pour l'analyse des séries temporelles
Analyse exploratoire des données pour les séries temporelles
- Visualisation des données de séries temporelles
- Décomposition des composantes des séries temporelles
- Détection de la saisonnalité et des tendances
Modèles ARIMA pour la prévision de séries temporelles
- Compréhension d'ARIMA (AutoRegressive Integrated Moving Average)
- Choix des paramètres pour les modèles ARIMA
- Implémentation des modèles ARIMA en Python
Introduction à Prophet pour la prévision de séries temporelles
- Vue d'ensemble de Prophet pour la prévision de séries temporelles
- Implémentation des modèles Prophet sous Google Colab
- Gestion des jours fériés et des événements spéciaux dans la prévision
Techniques avancées de prévision
- Gestion des données manquantes dans les séries temporelles
- Prévision de séries temporelles multivariées
- Personnalisation des prévisions avec des régresseurs externes
Évaluation et ajustement des modèles de prévision
- Indicateurs de performance pour la prévision de séries temporelles
- Ajustement des modèles ARIMA et Prophet
- Validation croisée et rétrotestage
Applications réelles de l'analyse des séries temporelles
- Études de cas de prévision de séries temporelles
- Exercices pratiques sur des jeux de données réels
- Prochaines étapes pour l'analyse des séries temporelles en Python
Synthèse et prochaines étapes
Pré requis
- Connaissances intermédiaires en programmation Python
- Familiarité avec les statistiques de base et les techniques d'analyse de données
Public cible
- Analystes de données
- Data scientists
- Professionnels travaillant avec des données de séries temporelles
Nos clients témoignent (2)
Faire de l'exercice
Joe Pang - Lands Department, Hong Kong
Formation - QGIS for Geographic Information System
Traduction automatique
Des exemples pratiques nous ont permis de ressentir concrètement le fonctionnement du programme. De bonnes explications et une intégration efficace des concepts théoriques et de leur rapport aux applications pratiques.
Ian - Archeoworks Inc.
Formation - ArcGIS Fundamentals
Traduction automatique
