Series Temporales con Pycaret y Python

提供:
Coursera Project Network
このガイド付きプロジェクトでは、次のことを行います。

Entrenar diferentes modelos como Xgboost, Catboost o random forest para predecir series temporales

Predecir datos futuros en base a series de tiempo

Entrenar modelos avanzados de Machine Learning para series temporales

Clock2 horas
Intermediate中級
Cloudダウンロード不要
Video分割画面ビデオ
Comment Dotsスペイン語
Laptopデスクトップのみ

En este proyecto aplicado y práctico aprenderás a entrenar modelos capaces de predecir series temporales. Para ello utilizaremos la librería de Pycaret con Python y entrenaremos modelos como: XGBoost, Catboost o Random forest. También aprenderemos a generar modelos más avanzados con lñas diferentes técnicas de ensamblado de modelos. Al finalizar este curso habrás aprendido a entrenar tus propios modelos y a aplicarlos en tus propios proyectos.

あなたが開発するスキル

  • Time Series
  • Machine Learning
  • Xgboost
  • PyCaret

ステップバイステップで学習します

ワークエリアを使用した分割画面で再生するビデオでは、講師がこれらの手順を説明します。

  1. Introducción a las series temporales

  2. Clases de modelos de series de tiempo

  3. Fundamentos de Pycaret

  4. Series temporales univariantes. Pre-procesamiento

  5. Ejercicio aplicado. Pre-procesamiento de datos

  6. Series temporales univariantes. Entrenamiento del modelo

  7. Ejercicio aplicado. Entrenamiento de un modelo para predecir series de tiempo

  8. Series temporales univariantes. Evaluación del modelo

  9. Ejercicio aplicado. Evaluación del modelo

  10. Series temporales univariantes. Modelos avanzados

  11. Series temporales múltiples. Pre-procesamiento

  12. Ejercicio aplicado. Series temporales múltiples

  13. Series temporales múltiples. Entrenamiento y evaluación del modelo

  14. Ejercicio aplicado. Series temporales múltiples. Parte II

ガイド付きプロジェクトの仕組み

ワークスペースは、ブラウザに完全にロードされたクラウドデスクトップですので、ダウンロードは不要です

分割画面のビデオで、講師が手順ごとにガイドします

よくある質問

よくある質問

さらに質問がある場合は、受講者ヘルプセンターにアクセスしてください。