【Udemy中英字幕】Master Time Series Analysis and Forecasting with Python 2025

掌握使用 Python 进行时间序列分析和预测 2025

带有深度学习的时间序列（LSTM、TFT、N-BEATS）、GenAI（Amazon Chronos）、Prophet、Silverkite、ARIMA。需求预测

讲师：Diogo Alves de Resende

双语IT资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！

用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。

您将学到什么

• 了解时间序列数据的基本原理及其在各个行业预测中的意义。
• 区分各种时间序列预测模型，例如指数平滑、ARIMA 和 Prophet，确定何时使用每个模型。
• 将指数平滑法和 Holt-Winters 方法应用于季节性和基于趋势的时间序列数据，以创建准确的预测。
• 在 Python 中实现 SARIMA 和 SARIMAX 模型，结合外部变量来增强预测能力。
• 使用时间融合变换器 (TFT) 和 N-BEATS 等先进技术开发时间序列模型来处理复杂的数据集。
• 通过调整参数和使用集成方法优化预测模型，以提高准确性和可靠性。
• 使用 MAE、RMSE 和 MAPE 等指标评估不同预测模型的性能，确保预测的稳健性。
• 编写 Python 脚本来自动化整个时间序列预测过程，从数据预处理到模型部署。
• 实施 RNN 和 LSTM 等深度学习模型来准确预测复杂的时间序列数据，捕捉长期依赖关系。
• 使用 Amazon Chronos 等生成式 AI 技术并结合最先进的方法开发和优化高级预测解决方案。

探索相关主题

要求

• 基础统计：线性回归、p 值

描述

2024 年 12 月更新：

• Amazon AutoGluon 推出

• 添加所有部分的库 requirements.txt 文件

2024 年 10 月更新：

• 亚马逊 Chronos 推出

• 推出 N-BEATS

2024 年 9 月更新：

• 添加了 TFT 和 TFT Capstone 项目

2024 年 8 月更新：

• 课程重制 100%

• 添加了 Silverkite、LSTM 和项目

欢迎来到最激动人心的 Python 预测模型在线课程。我将向您展示了解现在和预测未来所需的一切知识。

预测总是很吸引人——知道会发生什么通常会让人大吃一惊并赢得钦佩。最重要的是，这是商业世界的基础。公司总是提供基于预测的收入增长和息税前利润估计。谁在做这些？嗯，那可能是你！

为什么你应该报名参加这门课程？

掌握预测模型背后的直觉

无需陷入复杂的数学中。本课程强调理解每个模型背后的原因。我们通过清晰的解释、直观的视觉效果和现实世界的例子来简化概念——专注于真正重要的事情，以便您可以自信地应用这些技术。

全面涵盖前沿技术

您将深入了解当今数据驱动世界中至关重要的最先进和最受欢迎的时间序列预测方法：

• 指数平滑法和 Holt-Winters：非常适合处理数据中的趋势和季节性。

• 高级 ARIMA 模型（SARIMA 和 SARIMAX）：掌握这些基础模型并学习如何结合外部变量来增强预测能力。

• Facebook Prophet：以最少的数据准备做出可靠、高精度的预测。

• 时间融合变换器 (TFT)：利用最先进的深度学习技术以高精度预测多个时间序列。

• LinkedIn Silverkite：了解并应用这个强大、灵活的模型，在各种情况下做出准确的预测。

• N-BEATS：利用尖端的神经网络模型处理各种时间序列预测挑战。

• GenAI 与 Amazon Chronos：探索生成式 AI 如何利用 Amazon Chronos 等模型彻底改变预测。

逐行编写 Python 代码

我们将一起编写代码，确保您了解流程的每个步骤。从数据准备到模型实施，您将学习如何编写和完善掌握这些预测技术所需的每一行 Python 代码。

练习，练习，练习

每节课都包含动手挑战和案例研究，让您可以立即应用所学知识。您将使用真实数据集，解决实际问题，并通过实际应用巩固您的技能。

您准备好预测未来了吗？

我是否激起了你的兴趣？加入我，学习如何预测未来！

本课程适合哪些人：

• 商业分析师希望提高他们的预测技能和技术。
• 数据科学家有兴趣将时间序列分析和预测应用于业务问题。
• 营销专业人士希望预测未来对产品或服务的需求。
• 财务分析师寻求预测企业的未来趋势和表现。
• 运营经理希望改善其组织的需求计划和预测。