Entrar em Contato

Programa do Curso

Introdução à Análise de Séries Temporais

  • Visão geral dos dados de séries temporais
  • Componentes das séries temporais: tendência, sazonalidade, ruído
  • Configurando o Google Colab para análise de séries temporais

Análise Exploratória de Dados para Séries Temporais

  • Visualização de dados de séries temporais
  • Decomposição dos componentes das séries temporais
  • Detecção de sazonalidade e tendências

Modelos ARIMA para Previsão de Séries Temporais

  • Compreensão do ARIMA (AutoRegressive Integrated Moving Average)
  • Escolha de parâmetros para modelos ARIMA
  • Implementação de modelos ARIMA em Python

Introdução ao Prophet para Previsão de Séries Temporais

  • Visão geral do Prophet para previsão de séries temporais
  • Implementação de modelos Prophet no Google Colab
  • Tratamento de feriados e eventos especiais na previsão

Técnicas Avançadas de Previsão

  • Tratamento de dados faltantes em séries temporais
  • Previsão de séries temporais multivariadas
  • Personalização de previsões com regressores externos

Avaliação e Ajuste Fino de Modelos de Previsão

  • Métricas de desempenho para previsão de séries temporais
  • Ajuste fino dos modelos ARIMA e Prophet
  • Validação cruzada e backtesting

Aplicações no Mundo Real da Análise de Séries Temporais

  • Estudos de caso de previsão de séries temporais
  • Exercícios práticos com datasets do mundo real
  • Próximos passos para a análise de séries temporais em Python

Resumo e Próximos Passos

Requisitos

  • Conhecimento intermediário de programação Python
  • Familiaridade com estatística básica e técnicas de análise de dados

Público-Alvo

  • Analistas de Dados
  • Cientistas de Dados
  • Profissionais que trabalham com dados de séries temporais
 21 Horas

Número de participantes


Preço por participante

Testemunhos de Clientes (3)

Próximas Formações Provisórias

Categorias Relacionadas