Series Temporais e Analises Preditivas O Curso Completo
What you’ll learn
Prever series temporais com técnicas sofisticadas, como Arima, Suavização Exponencial, Decomposição e Redes Neurais
Prever series temporais com técnicas básicas, como naive, meanf e drift
Estudar e entender a aplicação de regressão linear em series temporais
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
Conhecimentos básicos de Estatística e R
Description
Séries Temporais estão entre as técnicas mais importantes da ciência de dados e inteligência artificial!Eventos naturais ou mesmos aqueles que ocorrem no dia a dia, estão conectados a um elemento temporal. Este elemento temporal é fundamental para que possamos compreender estes eventos e, acima de tudo, para podermos olhar no horizonte e prever como eles irão se comportar no futuro. A analise de Séries Temporais é uma ciência já consolidada, mas que com o advento da era da informação ganhou papel fundamental. Hoje, é improvável imaginar a gestão de empresas sem o uso intenso de Séries Temporais, sejam para entender o seu negócio, seja para projetar o futuro, o que pode inclusive significar novos investimentos, parcerias, contratações, expansões etc.O que você vai estudar:Conceitos de séries temporaisFundamentos estatísticos relacionadosConceitos como estacionariedade, correlação e autocorrelação, decomposiçãoAvaliações e transformaçõesMédias MóveisMais de 10 técnicas de previsões, como Suavização Exponencial e ArimaRegressãoRedes Neurais para Series TemporaisO curso incluiCódigos fonte dos exemplosSlides para downloadDados de exemploBem vindo ao mundo da análise de séries temporais!
Overview
Section 1: Introdução
Lecture 1 Instruções Gerais
Lecture 2 O Caso do Hotel Y Estrela
Lecture 3 Material para Download
Lecture 4 Orientações Gerais
Lecture 5 Apresentação
Lecture 6 Exemplos de Séries Temporais
Lecture 7 Criando um Série Temporal
Lecture 8 Criando uma Série Temporal no R
Lecture 9 Importando uma Série Temporal no R
Lecture 10 Uso do argumento frequency
Section 2: Fundamentos de Estatística
Lecture 11 Medidas de Centralidade e Variabilidade
Lecture 12 Distribuição Normal
Lecture 13 Teste de Hipótese
Lecture 14 Passeio Aleatório
Section 3: Explorando Séries Temporais
Lecture 15 Analises Exploratórias no R
Lecture 16 Gráficos Básicos no R
Section 4: Conceitos de Séries Temporais
Lecture 17 Séries Estacionárias
Lecture 18 Componentes de uma Série Temporal
Lecture 19 Correlação
Lecture 20 Autocorrelação
Lecture 21 Resíduos, Valor Ajustado e Erro
Section 5: Analisando Séries Temporais
Lecture 22 Avaliando Resíduos
Lecture 23 Avaliando Resíduos no R
Lecture 24 Teste de Estacionariedade no R
Lecture 25 Decomposição
Lecture 26 Transformações
Lecture 27 Transformações no R
Lecture 28 Médias Móveis
Lecture 29 Médias Móveis no R
Lecture 30 Enquanto isso no Hotel Y Estrelas (PTII)
Section 6: Previsões
Lecture 31 Considerações Gerais sobre Previsões
Lecture 32 Resumo de Técnicas
Lecture 33 Naive
Lecture 34 Naive com R
Lecture 35 Mean
Lecture 36 Mean com R
Lecture 37 Drift
Lecture 38 Drift com R
Section 7: Técnicas Avançadas de Previsão
Lecture 39 Previsão com Decomposição no R
Lecture 40 Suavização Exponencial
Lecture 41 Suavização Exponencial no R
Lecture 42 Suavização Exponencial no R parte II
Lecture 43 Arima
Lecture 44 Auto-arima
Lecture 45 Auto-arima no R
Lecture 46 Auto-arima no R parte II
Lecture 47 Enquanto isso no Hotel Y Estrelas (PTIII)
Section 8: Regressão com Séries Temporais
Lecture 48 Regressão com Séries Temporais
Lecture 49 Escolhendo as varáveis independentes
Lecture 50 Regressão com Séries Temporais no R
Section 9: Outras Técnicas de Previsão
Lecture 51 Redes Neurais para Series Temporais
Lecture 52 Redes Neurais para Series Temporais no R
Lecture 53 Incluindo uma variável Independente
Lecture 54 Incluindo uma variável Independente no R
Section 10: Métricas de Desempenho
Lecture 55 Métricas de Desempenho
Lecture 56 Métricas de Desempenho no R
Lecture 57 Métricas: ME MAE RMSE MPE MAPE
Section 11: Caso Prático: um Problema Completo
Lecture 58 Caso Prático no R
Lecture 59 Caso Prático no R parte II
Lecture 60 Caso Prático no R parte III
Section 12: Encerramento
Lecture 61 De volta ao Hotel Y Estrelas
Lecture 62 Atividade Final
Lecture 63 Encerramento
Section 13: Aula Bônus – Certificado e Mais Dicas
Lecture 64 Para Saber Mais e Carreira na Área de Dados
Cientistas de Dados, Analistas de Dados e demais interessados na tema
Course Information:
Udemy | Português | 6h 4m | 2.69 GB
Created by: Fernando Amaral
You Can See More Courses in the IT & Software >> Greetings from CourseDown.com