Python Time Series Analysis and Forecasting

ข้อมูลที่ขึ้นกับเวลาพบได้ในเกือบทุกอุตสาหกรรม ตั้งแต่การเงิน การค้าปลีก ไปจนถึงอุตุนิยมวิทยาและวิศวกรรมศาสตร์ แต่การดึงข้อมูลเชิงลึกที่นำไปปฏิบัติได้จริงนั้นต้องใช้ชุดเครื่องมือวิเคราะห์เฉพาะ หลักสูตรนี้มอบเส้นทางที่ชัดเจนสำหรับผู้เริ่มต้นในการทำความเข้าใจวิธีการประมวลผลข้อมูลในอดีตและสร้างการคาดการณ์ที่เชื่อถือได้เกี่ยวกับอนาคต คุณจะเปลี่ยนจากผู้เริ่มต้นไปสู่ผู้ปฏิบัติงานที่สามารถจัดการกับชุดข้อมูลเชิงเวลาที่ซับซ้อนโดยใช้ไลบรารี Python สมัยใหม่ เมื่อสิ้นสุดหลักสูตรนี้ คุณจะสามารถระบุรูปแบบในข้อมูล จัดการกับความผันผวนตามฤดูกาล และนำโมเดลทางสถิติแบบคลาสสิกและโครงข่ายประสาทเทียมสมัยใหม่มาใช้ในการคาดการณ์ได้ สิ่งที่คุณจะได้เรียนรู้: - เข้าใจแนวคิดพื้นฐานของอนุกรมเวลา รวมถึงความคงที่ แนวโน้ม และฤดูกาล - ใช้ Pandas สำหรับการจัดทำดัชนีวันที่และเวลาที่ซับซ้อน การทำความสะอาดข้อมูล และการสุ่มตัวอย่างใหม่ - สร้างโมเดลการคาดการณ์ทางสถิติโดยใช้ ARIMA และ SARIMAX สำหรับแนวโน้มตามฤดูกาล - นำโซลูชัน deep learning มาใช้โดยใช้ Recurrent Neural Networks และสถาปัตยกรรม LSTM - ดำเนินการคาดการณ์แบบหลายตัวแปรเพื่อคาดการณ์ผลลัพธ์ตามตัวแปรอินพุตหลายตัว - ฝึกฝนเวิร์กโฟลว์ Python สมัยใหม่ รวมถึง type hints และ structured data containers สำหรับโค้ดที่แข็งแกร่ง หลักสูตรเริ่มต้นด้วยคำศัพท์ที่จำเป็นและเทคนิคการเตรียมข้อมูล ก่อนที่จะก้าวไปสู่การสร้างแบบจำลองทางสถิติแบบคลาสสิก และสรุปด้วยแนวทาง deep learning ขั้นสูง คุณจะได้อ่านคำอธิบายโดยละเอียดและนำความรู้ไปใช้ผ่านแบบฝึกหัดการเขียนโค้ดที่ออกแบบมาเพื่อเสริมสร้างทุกแนวคิด หลักสูตรนี้ออกแบบมาสำหรับผู้เริ่มต้น นักศึกษา และนักวิเคราะห์ข้อมูลที่ต้องการเรียนรู้การคาดการณ์ตั้งแต่ต้น ไม่จำเป็นต้องมีประสบการณ์ก่อนหน้าในการวิเคราะห์อนุกรมเวลาหรือคณิตศาสตร์ขั้นสูง เริ่มต้นสร้างทักษะของคุณในการวิเคราะห์เชิงคาดการณ์ได้แล้ววันนี้