Séries Temporais e Análises Preditivas com Python
- Compre Agora
- Saiba mais
1.Introdução

Orientações Gerais do Curso
Material para Download
Apresentação
Exemplos de Séries Temporais
Componentes de uma Série Temporal
Autocorrelação
Residuais, Valores Ajustados e Erros
Avaliando Resíduais
Decomposição
Ambiente
Apresentação do Google Colab
2.Importando Dados

Introdução ao Pandas
Importando CSV
Importando Excel
Importando HTML
Importando JSON
3.Preprocessamento e Visualização

O Básico de Data e Hora
Exemplo de Série Temporal
Mais sobre Data e Hora
Tipos de Dados e Visualização
Pré-Processamento de Dados
Gráficos de Linhas
Visualização de Resumos e Agregações
Gráficos com Múltiplas Linhas
Histogramas
Exibindo Variações em Séries
4.Características e Condições de Séries Temporais

Métricas de Desempenho
Métricas de Erros
Séries Estacionárias
Médias Móveis
Médias Móveis, prática
Previsão com Médias Móveis
Componentes e Decomposição de uma Série Temporal
Teste de Estacionariedade
Uso de Log para Estacionariedade
Diferenciação
Diferenciação com Log
Remoção de Tendência com Regressão
5.Métodos Estatísticos de Previsão de Séries Temporais

Considerações Gerais
Suavização Exponencial
Arima
Média Móvel Observando Variações de Ações
Suavização Exponencial Simples
Suavização Exponencial Simples e Amortecida
Holt Winters
Arima
Auto Arima
6.Deep Learning e Machine Learning para Séries Temporais

Introdução ao Keras
Redes Neurais Artificiais
LTSM
Random Forest para Seleção de Atributos
Multilayer Perceptron
LTSM para prever Preço de Ações
GRUs
7.Transformers

Introdução aos Transformers
Pytorch
Transformers com Pytorch
8.Detecção de Anomalias

Introdução
Anomalias para Séries Temporais
Médias Móveis
Exponencial Smoothing
Seasonal-Trend decomposition (STD)
Arima

Seasonal-Trend decomposition (STD)

Lição indisponível

Por favor, fazer o login em sua conta ou comprar o curso.