پایتون برای پیش بینی سریال های زمانی

پیش‌بینی عملی سری‌های زمانی را با Python با استفاده از مجموعه داده‌های دنیای واقعی از انرژی (EIA - اداره اطلاعات انرژی ایالات متحده) و اقتصاد (FRED - داده‌های اقتصادی فدرال رزرو) بیاموزید.

مهارت‌ها را گام به گام ایجاد کنید، از بارگیری و پیش پردازش داده‌های سری زمانی گرفته تا تجزیه روندها و فصلی، تجسم الگوها با Plotly، و استفاده از مدل‌های پیش‌بینی مانند ARIMA، SARIMA، هموارسازی نمایی، و پیامبر. ارزیابی عملکرد مدل را با استفاده از معیارهای خطا و تکنیک‌های اعتبارسنجی متقاطع مانند اعتبار سنجی قدم به جلو یاد بگیرید.

این دوره بر تمرین‌های عملی در محیط GitHub Codespace تأکید دارد، بنابراین می‌توانید فوراً آنچه را که یاد می‌گیرید در مجموعه داده‌های خود اعمال کنید. فرقی نمی‌کند با داده‌های فروش، انرژی یا مالی کار می‌کنید، مهارت‌هایی را برای ایجاد پیش‌بینی‌های دقیق و قابل تفسیر به دست خواهید آورد که تصمیم‌گیری در دنیای واقعی را هدایت می‌کند.