Enroll Course: https://www.coursera.org/learn/demand-prediction-using-time-series
Введение
Курс ‘Прогнозирование спроса с использованием временных рядов’ является вторым этапом специальности по машинному обучению для основSupply Chain Fundamentals. Этот курс предоставляет углубленные знания о временных рядах, особенно в области прогнозирования спроса.
Обзор курса
Мы начнем с основ временных рядов, таких как стационарность, тенденция (дрейф), цикличность и сезонность. Затем мы рассмотрим методы корреляции в контексте временных рядов. Во второй половине курса внимание будет сосредоточено на методах, таких как ARIMA. Это отлично подходит для тех, кто хочет углубиться в анализ данных и научиться применять машинное обучение на практике.
Содержание курса
Первый взгляд на временные ряды
На этом этапе мы ознакомимся с временными рядами в Python, изучая типы временных рядов и их отличительные характеристики, включая период, частоту и стационарность.
Независимость и автокорреляция
На этом этапе мы погрузимся в математику корреляции и ее связь с независимостью, изучая, как эти концепции работают в контексте временных рядов.
Регрессионные и ARIMA модели
В этом модуле мы рассмотрим линейную регрессию и её применение для временных рядов, включая современные методы, такие как ARIMA. Это создаст основу для более сложных моделей машинного обучения.
Финальный проект
В финальном проекте студенты смогут осуществить прогнозирование спроса, используя модели ARIMA. Это не только закрепит пройденный материал, но и даст реальный опыт работы с данными.
Рекомендации
Курс рекомендуется всем тем, кто хочет развивать навыки в области машинного обучения и анализа временных рядов в контексте бизнес-процессов. Его структура и содержание позволяют как новичкам, так и опытным специалистам углубиться в изучение прогнозирования.
Enroll Course: https://www.coursera.org/learn/demand-prediction-using-time-series