Séries Temporais e Analises Preditivas com Python
Learn predictive modeling with Python! Master statistics & machine learning using Keras, Pytorch & more. Forecast trends & build intelligent systems.
Course Content
Séries Temporais e Analises Preditivas com Python is an all-levels Udemy course taught by Fernando Amaral. It runs 7h 40m, is taught in Portuguese, and includes a certificate of completion. Learners rate it 4.5 out of 5 from 749 reviews, with 3,478 students enrolled. It is a paid course, last updated May 2025.
Domine a Análise de Séries Temporais com Python: Guia Completo
Descubra como extrair insights valiosos de dados temporais com este curso abrangente de análise de séries temporais em Python. Aprenda a usar Python para analisar a crescente "avalanche" de informações na era de big data e ganhe uma vantagem competitiva no mercado de trabalho.
O que você vai aprender:
- Fundamentos de Séries Temporais: Entenda os conceitos essenciais, incluindo exemplos práticos, decomposição (sazonalidade, tendência, resíduos), autocorrelação e métodos de decomposição.
- Pré-Processamento e Visualização de Dados: Domine a importação de dados de diversas fontes (CSV, Excel, HTML, JSON), manipulação de formatos de data e hora, e a criação de visualizações eficazes com gráficos de linha e histogramas. Aprenda a realizar agregações e transformações de dados.
- Características e Condições: Explore médias móveis, séries estacionárias, testes de estacionariedade (com Log e diferenciação) e técnicas para remover componentes como tendência e sazonalidade.
- Métodos Estatísticos de Previsão: Implemente modelos de previsão robustos como Médias Móveis, Suavização Exponencial, Holt-Winters, ARIMA e Auto-ARIMA.
- Machine Learning e Deep Learning para Séries Temporais: Introdução ao Keras, Random Forest para seleção de atributos, Multi-Layer Perceptron, Redes Neurais Recorrentes (RNN) com LSTM e GRU.
- Transformers: Explore a aplicação de Transformers e Pytorch para previsão de séries temporais.
- Detecção de Anomalias: Aprenda técnicas eficazes para identificar padrões incomuns em seus dados, incluindo Média Móvel, Suavização Exponencial, Seasonal and Trend Decomposition (STL) e ARIMA.
Conteúdo do Curso:
Este curso oferece material de apoio completo, incluindo slides, scripts e dados de exemplo para você praticar.
Aprenda com um Especialista:
Conteúdo ministrado por um cientista de dados experiente com mais de 10 anos de experiência em análise de séries temporais.
O que você vai conseguir:
- Domínio de Pacotes Python: Familiarize-se com os principais pacotes Python para análise de séries temporais.
- Técnicas de Visualização e Aprendizado Profundo: Aprenda e implemente técnicas de visualização e aprendizado profundo para análise de dados de séries temporais.
- Aplicação em Dados Reais: Aplique os métodos aprendidos a dados reais, incluindo dados de ações e finanças.
- Fundamentos da Ciência de Dados: Construa uma base sólida em ciência de dados Python, com métodos práticos e fáceis de entender.
- Implementação com Dados Reais: Aprenda a implementar os métodos usando dados obtidos de diversas fontes.
- Entendimento dos Algoritmos: Compreenda os conceitos subjacentes para escolher os algoritmos e métodos mais adequados para seus dados.
Recursos:
- Acesso a todos os códigos e dados utilizados no curso.
Prepare-se para transformar dados de séries temporais em insights acionáveis!
Want AI in your product? Hire the team behind TutorialSearch.io
LLM features, RAG, agents and automation wired into a real product — built by the devs who shipped this site.