Bizi tercih ettiğiniz için teşekkür ederiz. Ekip üyelerimiz en kısa sürede sizlerle iletişime geçecektir.
Rezervasyonunuzu gönderdiğiniz için teşekkür ederiz! Ekibimizden bir yetkili kısa süre içinde sizinle iletişime geçecektir.
Eğitim İçeriği
Zaman Serisi için ARIMA Modelleri Forecasting
İleri Seviye Forecasting Teknikler
Tahmin Modelilerinin Değerlendirilmesi ve İyileştirilmesi
Zaman Serisi için Keşifçi Analiz Data Analysis
Zaman Serisi için Prophet'un Tanıtımı Forecasting
Zaman Serisi Analizi Giriş
Zaman Serisi Analizinin Gerçek Hayat Uygulamaları
Özet ve Sonraki Adımlar
- Zaman serisi tahmini için durum analizi
- Gerçek hayat veri setleri ile uygulamalar
- Python içinde zaman serisi analizinin sonraki adımları
- Zaman serilerinde eksik verileri işleme
- Çok değişkenli zaman serisi tahmini
- Dış regresörler ile özelleştirilmiş tahminler
- Zaman Serisi Tahmininde Prophet'un Genel Bakışı
- Google Colab'te Prophet modellerini uygulama
- Tahminde tatiller ve özel etkinlikleri işleme
- Zaman Serisi Verilerinin Genel Bakışı
- Zaman serisinin bileşenleri: trend, mevsimsellik, gürültü
- Google Colab'i zaman serisi analizi için ayarlama
- Zaman Serisi Tahminlerinin Başarı Ölçütleri
- ARIMA ve Prophet modellerini iyileştirme
- Çapraz doğrulama ve geri test
- ARIMA (AutoRegressive Integrated Moving Average) anlayışı
- ARIMA modelleri için parametre seçimi
- Python'da ARIMA modellerini uygulama
- Zaman Serisi Verilerinin Görselleştirilmesi
- Zaman serisinin bileşenlerini ayrıştırma
- Mevsimsellik ve trendleri algılama
Kurs Özelleştirme Seçenekleri
Kurs Formatı
Bu eğitimle birlikte, katılımcılar şu becerileri kazanacaklardır:
Bu kurs, zaman serisi analiziye giriş sağlar ve Google Colab'ta el ile uygulama içerir. Katılımcılar ARIMA modellerini, Prophet'u ve diğer zaman serisi tahmin tekniğileriyle temporal veri analizini ve tahmini yaparlar. Kurs bu tekniklerin bir bulut tabanlı ortamda (Google Colab) uygulanması üzerinde vurgu yapar.
Bu eğitmen tarafından yönetilen canlı eğitim (önline veya yerel) orta düzeyli veri profesyonellerine Google Colab'i kullanarak gerçek dünya verilerine zaman serisi tahmini tekniklerini uygulamak isteyenlere yöneliktir.
- Etkileşimli derste ve tartışmada bulunma.
- Çok sayıda egzersiz ve uygulama.
- Canlı-laboratuvar ortamında el ile uygulama.
- Bu kurs için özelleştirilmiş bir eğitim talep etmek için lütfen bizimle iletişime geçin.
- Zaman serisi analizinin temellerini anlama.
- Google Colab'i zaman serisi verilerle çalışmak için kullanma.
- ARIMA modellerini kullanarak veri trendleri tahmini yapma.
- Facebook’in esnek tahminler için Prophet kütüphanesinin kullanılması.
- Zaman serisi verilerini ve tahmin sonuçlarını görselleştirme.
Hedef Kitle
- Veri analistleri
- Veri bilimciler
- Zaman serisi verileriyle çalışan profesyoneller
- Python programlama ile orta düzey bilgisi
- Temel istatistik ve veri analizi teknikleriyle tanışlık
Bu eğitimle birlikte, katılımcılar şu becerileri kazanacaklardır:
Bu eğitmen tarafından yönetilen canlı eğitim (online veya on-site) orta düzeyli veri profesyonellerine gerçek dünya verilerine zaman serisi tahmini tekniklerini uygulamak isteyenlere yöneliktir.
- Zaman Serisi Analizinin temellerini anlama.
- Google Colab'i zaman serisi verilerle çalışmak için kullanma.
- ARIMA modellerini kullanarak veri trendleri tahmini yapma.
- Facebook’in esnek tahminler için Prophet kütüphanesinin kullanılması.
- Zaman serisi verilerini ve tahmin sonuçlarını görselleştirme.
Kurs İçin Gerekli Önbilgiler
Hedef Kitle
- Veri analisti
- Veri bilimci
- Zaman serisi verileriyle çalışan uzmanlar
- Python programlamaya orta düzey bilgi
- Temel istatistik ve veri analizi teknikleriyle tanışlık
21 Saat
Danışanlarımızın Yorumları (5)
Eğitim sırasında pratik örnekler, programın nasıl çalıştığını gerçek anlamda hissetmemizi sağladı. Teknik açıklamalar ve teorik kavramların pratik uygulamalara nasıl bağlandığına dair bütünleşik bir bakış提供了翻译，但需要调整以符合目标语言的自然表达和指导原则： 实际操作的例子让我们真正感受到了程序是如何工作的。详细的解释和理论概念与实际应用的结合。 根据要求，以下是土耳其语翻译： Pratik örnekler sayesinde programın nasıl çalıştığına gerçek bir şekilde ulaştık. Detaylı açıklamalar ve teorik kavramların pratik uygulamalara nasıl entegre olduğunu gösterdi. 为了符合指南，特别是确保文本流畅自然，并保持结构完整，以下是最终翻译： Eğitim sırasında pratik örnekler sayesinde programın nasıl çalıştığına gerçek bir şekilde ulaştık. Teknik açıklamalar ve teorik kavramların pratik uygulamalara nasıl entegre olduğu hakkında ayrıntılı bilgi sağlandı. 请注意，我将内容调整为符合土耳其语的自然表达，并确保了文本的流畅性和概念连贯性。
Ian - Archeoworks Inc.
Eğitim - ArcGIS Fundamentals
Yapay Zeka Çevirisi
Tutardığı tüm konular ve örnekler dahil. Ayrıca bu konuların günlük işimizde nasıl yararlı olduğunu açıkladı.
madduri madduri - Boskalis Singapore Pte Ltd
Eğitim - QGIS for Geographic Information System
Yapay Zeka Çevirisi
Pablo'nun tarzını beğendim, rapor tasarımı, HTML ile özelleştirme ile basit ML algoritmalarının uygulanmasına kadar birçok konuyu kapsadığı gerçeği. Teorik bilgi / egzersiz dengesi iyiydı. Pablo gerçekten ilgimi çeken tüm konuları kapladı ve sorularıma kapsamlı cevaplar verdi.
Cristian Tudose - SC Automobile Dacia SA
Eğitim - Advanced Data Analysis with TIBCO Spotfire
Yapay Zeka Çevirisi
Spotfire'in gerçek uygulaması ve tüm temel fonksiyonları.
Michael Capili - STMicroelectronics, Inc.
Eğitim - Introduction to Spotfire
Yapay Zeka Çevirisi
Eğitimde en çok sevdiğim şey organizasyon ve konumdu
Hamid Tuama - Ability with Innovation General Contracting (DMCC Branch)
Eğitim - ArcGIS for Spatial Analysis
Yapay Zeka Çevirisi
