Практичний онлайн-курс, який допоможе розібратися у фундаментальних принципах побудови часових рядів, навчить знаходити закономірності в отриманих даних та робити точні прогнози на майбутнє.
🔻Про курс🔻
Time Series покриває величезний пласт завдань Data Science, пов’язаних із прогнозуванням, пошуком аномалій та предиктивною аналітикою.
На курсі ви розберетеся в фундаментальних принципах побудови часових рядів та освоїте всі необхідні бібліотеки Python для цього. Будете будувати прогнози з урахуванням трендів, сезонності та циклічності, інтерпретувати та оцінювати результати прогнозів, знаходити аномалії та застосовувати нейронні мережі для часових рядів.
Бонусом ви отримаєте 2 півгодинні індивідуальні консультації з лектором.
В результаті — навчитеся робити прогнози навіть в умовах невизначеності.
🔻Курс підійде🔻
Data Scientist [beginner]
Вивчите основи аналізу часових рядів та будуватимете прогнози в XGBoost і Prophet. У підсумку ― зможете встановити причинно-наслідкові зв’язки за допомогою впорядкування отриманих даних та прототипувати моделі.
Data Analyst
Навчитеся будувати різні моделі часових рядів: ковзаючі статистики, експоненційне згладжування, Хольта-Вінтерса, ARIMA. У результаті ― зможете робити прогнози навіть за умов невизначеності.
Developers and Other IT-Specialists
Дізнаєтеся, як робити прогнози з урахуванням трендів, сезонності та циклічності, а також знаходити аномалії та застосовувати нейронні мережі для часових рядів. Ви зможете використовувати Time Series Analysis у своїй роботі.
🔻Після курсу ви🔻
- вичите основи аналізу часових рядів і будете будувати прогнози в XGBoots та Prophet. Як результат ― зможете встановити причинно-наслідкові зв’язки за допомогою впорядкування отриманих даних і прототипувати моделі
- навчитеся будувати різні моделі часових рядів: ковзаючі статистики, експонентне згладжування, Хольта-Вінтерса, ARIMA
В результаті ― зможете робити прогнози навіть за умов невизначеності.
- дізнаєтесь, як робити прогнози з урахуванням трендів, сезонності та циклічності, знаходити аномалії та приміняти нейронні мережі для часових рядів.
- Зможете приміняти Time Series Analysis в своїй роботі
🔻Про лектора🔻
Кристина Ісакова, проводить Time Series Analysis і знаходить аномалії даних на позиції Data Scientist в німецькому стартапі з пошуку та бронювання житла Holidu. Має понад 4 роки досвіду на позиції Data Scientist. Викладала фізику та математику в Університеті Генуї [Італія] і Гамбурзькому університеті [Германия].
Реєструйтесь на курс, щоб знаходити причинно-наслідкові зв’язки в ваших даних.
1 коментар
Додати коментар Підписатись на коментаріВідписатись від коментарів