Course Outline

Model ARIMA untuk Seri Waktu Forecasting

Teknik Lanjutan Forecasting

Evaluasi dan Penyetelan Model Peramalan

Eksplorasi Data Analysis untuk Seri Waktu

Pengenalan Prophet untuk Seri Waktu Forecasting

Pengantar Analisis Seri Waktu

Aplikasi Nyata dari Analisis Seri Waktu

Ringkasan dan Langkah Selanjutnya

  • Studi kasus peramalan seri waktu
  • Latihan praktis dengan dataset nyata
  • Langkah selanjutnya untuk analisis seri waktu dalam Python
  • Mengatasi data hilang dalam seri waktu
  • Peramalan multivariat seri waktu
  • Menyesuaikan peramalan dengan regresor eksternal
  • Tinjauan umum Prophet untuk peramalan seri waktu
  • Implementasi model Prophet di Google Colab
  • Mengatasi liburan dan acara khusus dalam peramalan
  • Tinjauan umum data seri waktu
  • Komponen dari seri waktu: tren, musiman, noise
  • Mengatur Google Colab untuk analisis seri waktu
  • Metrik kinerja untuk peramalan seri waktu
  • Menyetel model ARIMA dan Prophet
  • Validasi silang dan backtesting
  • Memahami ARIMA (AutoRegressive Integrated Moving Average)
  • Memilih parameter untuk model ARIMA
  • Implementasi model ARIMA di Python
  • Visualisasi data seri waktu
  • Mendekomposisi komponen seri waktu
  • Mengidentifikasi musiman dan tren

Requirements

Audiens

  • Analis data
  • Ilmuwan data
  • Profesional yang bekerja dengan data deret waktu
  • Pengetahuan menengah tentang pemrograman Python
  • Kesadaran dasar statistik dan teknik analisis data
 21 Hours

Number of participants


Price per participant

Testimonials (5)

Upcoming Courses (Minimal 5 peserta)

Related Categories