Series Temporales con Pycaret y Python

提供方
Coursera Project Network
在此指导项目中,您将:

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中级
Cloud无需下载
Video分屏视频
Comment Dots西班牙语(Spanish)
Laptop仅限桌面

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.

您要培养的技能

  • Time Series
  • Machine Learning
  • Xgboost
  • PyCaret

分步进行学习

在与您的工作区一起在分屏中播放的视频中,您的授课教师将指导您完成每个步骤:

  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

指导项目工作原理

您的工作空间就是浏览器中的云桌面,无需下载

在分屏视频中,您的授课教师会为您提供分步指导

常见问题

常见问题

还有其他问题吗?请访问 学生帮助中心