Programa do Curso

Introdução à Análise de Séries Temporais

  • Visão geral de dados de séries temporais
  • Componentes das séries temporais: tendência, sazonalidade e ruído
  • Configurando Google Colab para análise de séries temporais

Análise Exploratória de Séries Temporais

  • Visualização de dados de séries temporais
  • Decomposição dos componentes das séries temporais
  • Detecção de sazonalidade e tendências

Modelos ARIMA para Séries Temporais Forecasting

  • Compreendendo ARIMA (Média Móvel Integrada Auto-Regressiva)
  • Escolha de parâmetros para modelos ARIMA
  • Implementando modelos ARIMA em Python

Introdução ao Prophet para Séries Temporais Forecasting

  • Visão geral do Prophet para previsão de séries temporais
  • Implementando modelos Prophet em Google Colab
  • Lidando com feriados e eventos especiais na previsão

Técnicas Avançadas de Forecasting

  • Lidando com dados ausentes em séries temporais
  • Previsão de séries temporais multivariáveis
  • Personalizando previsões com regressores externos

Avaliação e Ajuste Fino dos Modelos de Previsão

  • Métricas de desempenho para previsão de séries temporais
  • Ajuste fino dos modelos ARIMA e Prophet
  • Validação cruzada e teste retroativo

Aplicações Reais da Análise de Séries Temporais

  • Estudos de caso em previsão de séries temporais
  • Exercícios práticos com conjuntos de dados reais
  • Próximos passos para análise de séries temporais em Python

Resumo e Próximos Passos

Requisitos

  • Conhecimento intermediário de programação em Python
  • Familiaridade com estatísticas básicas e técnicas de análise de dados

Público-Alvo

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

Declaração de Clientes (5)

Próximas Formações Provisórias

Categorias Relacionadas