Series Temporais com Python O Curso Completo
What you’ll learn
Prever series temporais com técnicas sofisticadas, como Arima, Suavização Exponencial, Decomposição e Redes Neurais
Compreender componentes de uma serie temporal: tendência, sazonalidade, ciclos e erros
Testar características das series temporais, como estacionariedade, autocorrelação e normalidade
Aprender técnicas de transformação de series temporais, como logarítmica, diferenciação e médias moveis
Requirements
Noções básicas de Python e Estatística
Description
ESTE É O SEU GUIA COMPLETO PARA A ANÁLISE DE DADOS DA SÉRIE TEMPORAL EM PYTHON!Este curso é o seu guia completo para análise de série temporal usando Python. Todos os principais aspectos da análise de dados temporais são estudados! Na era de big data, empresas em todo o mundo usam Python para avaliar a “avalanche” de informações à sua disposição. Tornando-se proficiente na análise de dados de séries temporais em Python, você pode dar à sua empresa uma vantagem competitiva e levar sua carreira para outro nível!APRENDA COM UM CIENTISTA DE DADOS ESPECIALIZADO COM +10 ANOS DE EXPERIÊNCIA:Neste curso você vai aprender desde a importação e limpeza de dados até a implementação de poderosos algoritmos estatísticos e de aprendizado de máquina para analisar dados de séries temporais.Entre outras coisas:Você vai conhecer pacotes poderosos baseados em Python para análise de séries temporais.Você será apresentado às técnicas comumente usadas, métodos de visualização e técnicas de aprendizado profundo / de máquina que podem ser implementadas para dados de série temporal.e você aprenderá a aplicar essas estruturas a dados da vida real, incluindo ações e dados financeiros.Você começará absorvendo os fundamentos e técnicas mais importantes da ciência de dados Pytho, utilizando métodos práticos e fáceis de entender para simplificar e abordar até mesmo os conceitos mais difíceis em Python. O curso irá ajudá-lo a implementar os métodos usando DADOS REAIS obtidos de diferentes fontes. Depois de fazer este curso, você usará facilmente os pacotes de série temporal comuns em Python. Você ainda vai entender os conceitos subjacentes para entender quais algoritmos e métodos são mais adequados para seus dados.Trabalharemos com dados reais e você terá acesso a todos os códigos e dados utilizados no curso.Bons estudos!
Overview
Section 1: Introdução
Lecture 1 Instruções Gerais
Lecture 2 Orientações Gerais do Curso
Lecture 3 Material para Download
Lecture 4 Apresentação
Lecture 5 Exemplos de Séries Temporais
Lecture 6 Componentes de uma Série Temporal
Lecture 7 Autocorrelação
Lecture 8 Residuais, Valores Ajustados e Erros
Lecture 9 Avaliando Resíduais
Lecture 10 Decomposição
Section 2: Importando Dados
Lecture 11 Introdução ao Pandas
Lecture 12 Importando CSV
Lecture 13 Importando Excel
Lecture 14 Importando HTML
Lecture 15 Importando JSON
Section 3: Preprocessamento e Visualização
Lecture 16 O Básico de Data e Hora
Lecture 17 Exemplo de Série Temporal
Lecture 18 Mais sobre Data e Hora
Lecture 19 Tipos de Dados e Visualização
Lecture 20 Pré-Processamento de Dados
Lecture 21 Gráficos de Linhas
Lecture 22 Visualização de Resumos e Agregações
Lecture 23 Gráficos com Múltiplas Linhas
Lecture 24 Histogramas
Lecture 25 Exibindo Variações em Séries
Section 4: Características e Condições de Séries Temporais
Lecture 26 Métricas de Desempenho
Lecture 27 Métricas de Erros
Lecture 28 Séries Estacionárias
Lecture 29 Médias Móveis
Lecture 30 Médias Móveis, prática
Lecture 31 Componentes e Decomposição de uma Série Temporal
Lecture 32 Teste de Estacionariedade
Lecture 33 Uso de Log para Estacionariedade
Lecture 34 Diferenciação
Lecture 35 Diferenciação com Log
Lecture 36 Remoção de Tendência com Regressão
Section 5: Princípios de Previsão de Series Temporais
Lecture 37 Considerações Gerais
Lecture 38 Suavização Exponencial
Lecture 39 Arima
Lecture 40 Média Móvel Observando Variações de Ações
Lecture 41 Suavização Exponencial Simples
Lecture 42 Suavização Exponencial Simples e Amortecida
Lecture 43 Holt Winters
Lecture 44 Arima
Lecture 45 Auto Arima
Section 6: Machine Learning com Series Temporais
Lecture 46 Random Forest para Seleção de Atributos
Lecture 47 Prophet
Section 7: Deep Learning e Machine Learning para Séries Temporais
Lecture 48 Introdução ao Keras
Lecture 49 Redes Neurais Artificiais
Lecture 50 Multilayer Perceptron
Lecture 51 LTSM
Lecture 52 LTSM para prever Preço de Ações
Section 8: Aula Bônus
Lecture 53 Para Saber Mais e Carreira na Área de Dados
Cientistas de Dados, Analistas de Dados e demais interessados na tema
Course Information:
Udemy | Português | 8h 43m | 2.61 GB
Created by: Fernando Amaral
You Can See More Courses in the IT & Software >> Greetings from CourseDown.com