Analisis dan Prediksi Multivariate Time Series

*Pelatihan Analisis dan Prediksi Time Series dengan Python*
1. Pendahuluan dan Persiapan
Topik bahasan
Persiapan
Cara kerja dan belajar pada pelatihan ini
2. Pengenalan Data Time Series
Membuat Dataset Berbasis Time Series
Memuat Dataset Berbasis Time Series
Konstruksi Data Time Series: Trend, Seasonality dan Residual
Cycltic Pattern (Pola Siklik) Pada Data Time Series
Autokorelasi dan Autokorelasi Parsial
Data Stationary dan Non-Stationary
Differencing Data Time Series
Rolling Window pada Data Time Series
Menangani Data yang Hilang
Menangani Outlier
Transformasi Data
3. Visualisasi Data Time Series
Dasar-dasar Visualisasi Time Series
Komponen Time Series
Visualisasi Autokorelasi
Histogram dan Density Plots
Box dan Whisker Plots by Interval
Heat Maps
Lag Scatter Plots
Multiple Time Series
4. Analisis dan Prediksi Data Time Series
Model Rata-Rata Sederhana
Model Random Walk
Model Autoregression (AR)
Model Moving Average (MA)
Model Autoregressive Integrated Moving Average (ARIMA)
Model Eksponensial Pelicin (ETS - Exponential Smoothing)
Model Seasonal ARIMA (SARIMA)
Model ARIMAX dan SARIMAX
Model Prophet
Menyimpan dan Memuat Model Time Series
5. Evaluasi dan Metrik Untuk Data Time Series
Melakukan Analisis Prediksi Data Time Series
Metrik Kesalahan Mutlak
Metrik Kesalahan Kuadrat
Metrik Kesalahan Persentase
Korelasi antara Prediksi dan Aktual
Metrik Berdasarkan Distribusi Kesalahan
6. Penerapan Deep Learning Untuk Analisis dan Prediksi Data Time Series
Pengenalan Deep Learning untuk Analisis Time Series
Recurrent Neural Networks (RNNs)
Long Short-Term Memory (LSTM)
Gated Recurrent Units (GRU)
7. Hyperparameter Tuning Untuk Model Time Series
Pengenalan Hyperparameter Tuning
Grid Search
Random Search
Hyperparameter Tuning Deep Learning LSTM (Long Short-Term Memory)
Pemakaian Hyperopt Library: Hyperparameter Tuning untuk Time Series
8. Analisis dan Prediksi Multivariate Time Series
Pengenalan Multivariate Time Series
Konstruksi Data Multivariate Time Series
Analisis Korelasi Antar Variabel
Analisis Prediksi Multivariate Time Series
Eksplorasi Model Pada Multivariate Time Series
Vector Autoregression (VAR)
Vector Error Correction Model (VECM)
Multivariate ARIMA (MARIMA atau VARIMA)
Cointegrated VAR (CVAR)
Long Short-Term Memory (LSTM) untuk Multivariate Time Series
Facebook Prophet
9. Studi Kasus
Analisis dan Prediksi Time Series Untuk Suhu Temperatur Harian
Analisis dan Prediksi Time Series Untuk Pemakaian Bandwidth Jaringan Internet
Analisis dan Prediksi Time Series Untuk Perdagangan Saham
Harga promosi udemy: www.udemy.com/...
#timeseries #timeseriesanalysis #udemy #python #datascience #ilmudata #pelatihan #training