Análisis y pronóstico de series de tiempo con Python
Aprenda Python para Pandas, Statsmodels, ARIMA, SARIMAX, Deep Learning, LSTM y Forecasting to Future
Lo que aprenderás
Análisis y pronóstico de series de tiempo con Python
- Paquetes básicos, NumPy, Pandas y Matplotlib
- Serie temporal con pandas (creación de índice de fecha y hora, remuestreo,…)
- Análisis de datos de series temporales mediante el paquete Statsmodels
- El concepto del método ARIMA y SARIMAX y cómo predecir el futuro usándolos
- El concepto de aprendizaje profundo de AZ
- Pronóstico del futuro utilizando el modelo LSTM para variante única
- Pronóstico del futuro utilizando el modelo LSTM para múltiples variantes
Requisitos
- Habilidades generales y básicas de Python
Descripción
El curso “Análisis y pronóstico de series de tiempo con Python” es una fuente fundamental para aprender los conceptos de Series de tiempo y pronosticar el futuro.
En este curso se explican en detalle los métodos más famosos como los métodos estadísticos (ARIMA y SARIMAX) y el Método de Aprendizaje Profundo (LSTM). Además, varios proyectos del mundo real se desarrollan en un entorno Python y se han explicado línea por línea.
Si usted es un investigador, un estudiante, un programador o un entusiasta de la ciencia de datos que está buscando un curso que le muestre todo sobre las series de tiempo y la predicción de AZ, está en el lugar correcto.
Solo mira lo que aprenderás en este curso a continuación:
- Bibliotecas básicas (NumPy, Pandas, Matplotlib)
- Cómo usar la biblioteca de Pandas para crear un índice DateTime y cómo configurarlo como su índice de conjunto de datos
- ¿Qué son los modelos estadísticos?
- ¿Cómo pronosticar el futuro utilizando el modelo ARIMA?
- ¿Aprende cómo capturar la estacionalidad usando el modelo SARIMAX?
- ¿Cómo utilizar variables endógenas y predecir el futuro?
- ¿Qué es el aprendizaje profundo (conceptos muy básicos)?
- ¡Todo sobre redes neuronales artificiales y recurrentes!
- ¡Cómo funciona el método LSTM!
- ¿Aprenda a desarrollar un modelo LSTM con una única variante?
- Cómo desarrollar un modelo LSTM usando múltiples variables (multivariante)
Como mencioné anteriormente, en este curso tratamos de explicar cómo puede desarrollar un modelo LSTM cuando tiene varios predictores (variables) por primera vez y puede usar eso para varias aplicaciones y usar el código fuente para su proyecto también.
¡Este curso es para todos! si todo el mundo! que quiere aprender las series de tiempo y la predicción del futuro mediante el uso de estadísticas e inteligencia artificial con cualquier tipo de experiencia. Incluso si no eres un programador, ¡te muestro cómo codificar y desarrollar tu modelo línea por línea!
Si también desea dominar los conceptos básicos del aprendizaje automático en Python, ¡puede consultar mis otros cursos!
