Programa do Curso

Introdução à análise de séries cronológicas

  • Visão geral dos dados de séries cronológicas
  • Componentes das séries cronológicas: tendência, sazonalidade, ruído
  • Configuração do Google Colab para análise de séries cronológicas

Análise Data Analysis exploratória de séries cronológicas

  • Visualização de dados de séries cronológicas
  • Decomposição dos componentes das séries cronológicas
  • Deteção de sazonalidade e tendências

Modelos ARIMA para séries cronológicas Forecasting

  • Compreender o ARIMA (AutoRegressive Integrated Moving Average)
  • Seleção de parâmetros para modelos ARIMA
  • Implementação de modelos ARIMA em Python

Introdução ao Prophet para séries temporais Forecasting

  • Visão geral do Prophet para previsão de séries temporais
  • Implementação de modelos Prophet em Go ogle Colab
  • Tratamento de feriados e eventos especiais na previsão

Técnicas avançadas Forecasting

  • Tratamento de dados em falta em séries cronológicas
  • Previsão de séries temporais multivariadas
  • Personalização de previsões com regressores externos

Avaliação e afinação de modelos de previsão

  • Métricas de desempenho para a previsão de séries cronológicas
  • Afinação dos modelos ARIMA e Prophet
  • Validação cruzada e backtesting

Aplicações reais da análise de séries temporais

  • Estudos de caso de previsão de séries temporais
  • Exercícios práticos com conjuntos de dados do mundo real
  • Próximas etapas da análise de séries cronológicas em Python

Resumo e próximos passos

Requisitos

  • Conhecimentos intermédios de programação Python
  • Familiaridade com estatísticas básicas e técnicas de análise de dados

Público-alvo

  • Analistas de dados
  • Cientistas de dados
  • Profissionais que trabalham com dados de séries temporais
 21 Horas

Número de participantes


Preço por Participante

Declaração de Clientes (5)

Próximas Formações Provisórias

Categorias Relacionadas