Series Temporales con Pycaret y Python

提供方
Coursera Project Network
在此指導 項目中,您將:

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無需下載
Video分屏視頻
Comment Dots西班牙語(Spanish)
Laptop僅限桌面

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.

您要培養的技能

Time SeriesMachine LearningXgboostPyCaret

分步進行學習

在與您的工作區一起在分屏中播放的視頻中,您的授課教師將指導您完成每個步驟:

  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

指導項目工作原理

您的工作空間就是瀏覽器中的雲桌面,無需下載

在分屏視頻中,您的授課教師會為您提供分步指導

常見問題

常見問題

還有其他問題嗎?請訪問 學生幫助中心