Prognozowanie metodami uczenia maszynowego w Python

Prognozowanie jest jednym z najczęstszych zadań analizy danych: w końcu któż nie chciałby wiedzieć co będzie w przyszłości? Jednocześnie prognozowanie wydaje się trudne: w tworzeniu prognoz i stosowaniu ich w praktyce napotykamy wiele problemów, takich jak: specjalne zdarzenia, braki danych dla pewnych okresów, zmiany zachodzące w przewidywanym zjawisku i jego otoczeniu oraz skomplikowane zależności. Jednak spokojnie: na kursie poznasz techniki i narzędzia pozwalające radzić sobie z trudnościami i uzyskiwać użyteczne prognozy.

Szkolenie poświęcone jest narzędziom prognozowania szeregów czasowych dostępnym w środowisku Python. Przedstawione zostaną podstawowe i zaawansowane narzędzia prognozowania: od prognoz naiwnych, po specjalistyczne architektury głębokich sieci neuronowych (deep learning). Dużo uwagi poświęcimy pakietowi Prophet, który umożliwia tworzenie praktycznych modeli uwzględniających zdarzenia specjalne, zmiany trendu i wiele innych czynników. Wszystkie narzędzia zostaną omówione z naciskiem na ich praktyczne stosowanie, zrozumienie ich zalet i ograniczeń, na przykładach z wykorzystaniem rzeczywistych danych z różnych dziedzin.

Dla kogo?

• Analityków wykonujących lub planujących wykonywać prognozy szeregów czasowych
• Osób chcących poznać narzędzia prognozowania w środowisku Python

Co zyskasz?

• Umiejętność przygotowania danych na potrzeby prognozowania
• Wiedzę, jak prognozować szeregi czasowe w środowisku Python wykorzystując metody statystyczne i uczenie maszyn
• Znajomość pakietu Prophet umożliwiającego automatyczne prognozowanie szeregów czasowych i radzenie sobie z wieloma wyzwaniami praktycznego prognozowania