Colab'da zaman serisini tahmine dönüştürün
Google Colab'da pandas ile zaman serisi hazırlama, seasonal_decompose ayrıştırma, ADF durağanlık ve fark alma, ACF/PACF, statsmodels ARIMA/SARIMA ve Prophet ile tahmin ve MAE/RMSE/MAPE değerlendirmeyi öğreten orta seviye eğitim.
Colab'da pandas, statsmodels ve Prophet ile zaman serisi tahmini
Bu orta seviye eğitim, hiçbir kurulum gerektirmeden Google Colab üzerinde Python ile zaman serisi analizini uçtan uca öğretir. Colab ortamı, veri yükleme ve pandas ile zaman indeksi (DatetimeIndex, resample); zaman serisi bileşenleri ve ayrıştırma (trend, mevsimsellik, artık; seasonal_decompose); durağanlık ve ADF testi, fark alma (differencing); otokorelasyon (ACF/PACF) ve yorumu; AR, MA, ARIMA ve mevsimsel SARIMA modelleme (statsmodels); Prophet ile tatil ve mevsimsellikli tahmin; model değerlendirme (train/test, MAE, RMSE, MAPE) ve tahmin aralığı; sonuçların matplotlib ile görselleştirilmesi ele alınır. Katılımcı, gerçek bir seriyi Colab'da analiz edip tahmin modeli kurup değerlendirir.
3 Gün. Her gün dört modül; katılımcılar Colab ve pandas temelinden ARIMA/Prophet tahminine ilerler.
Orta Seviye — Google Colab'da Python ile zaman serisi analizi: ayrıştırma, durağanlık, ARIMA ve Prophet ile tahmin.
Katılımcılar Google Colab defterlerinde gerçek zaman serisi veri setleriyle adım adım kod yazarak öğrenir.
Colab ile hiçbir kurulum yapmadan tarayıcıda analiz yaparsınız.
Veri yüklemeden tahmin ve değerlendirmeye kadar tüm akışı öğrenirsiniz.
Hem klasik ARIMA hem modern Prophet ile tahmin kurarsınız.
Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri
Temel Python söz dizimi beklenir.
DataFrame kullanımına temel aşinalık faydalıdır.
Colab için bir Google hesabı gerekir.
Ortalama ve dağılım kavramları yararlıdır.
Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.
Program sonunda katılımcılar:
Google Colab'da kurulumsuz analiz ortamı kurarsınız.
pandas ile DatetimeIndex ve resample kullanırsınız.
Seriyi trend, mevsimsellik ve artığa ayırırsınız.
ADF testi ve fark almayla seriyi durağanlaştırırsınız.
Otokorelasyon grafikleriyle model derecesi seçersiniz.
statsmodels ile ARIMA/SARIMA modelleri kurarsınız.
Prophet ile tatil ve mevsimsellikli tahmin yaparsınız.
MAE, RMSE ve MAPE ile modelleri karşılaştırırsınız.
Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.
Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.
Alteryx Designer ileri: Fuzzy Match ve RegEx, batch/iterative makrolar, analitik uygulamalar, mekansal ve prediktif araçlarla otomasyonu öğrenin.
Detayları Gör →
Alteryx Designer ile veri alma, Filter/Formula ile temizleme, Join/Union ile birleştirme ve tekrarlanabilir iş akışı otomasyonunu kod yazmadan öğrenin.
Detayları Gör →
Amazon OpenSearch ile indeksleme ve mapping, Query DSL arama, agregasyonlar, ingest pipeline ve OpenSearch Dashboards ile log analitiğini öğrenin.
Detayları Gör →
Kaynaktan karara analitik platform mimarisi tasarlayın: medallion katmanlar, lakehouse, boyutsal model, semantik katman, orkestrasyon ve yönetişim.
Detayları Gör →
Google Analytics 4'te kitle segmentasyonu, kohort, funnel ve path keşfiyle kullanıcı davranışını analiz edin. Orta seviye uygulamalı GA4 eğitimi.
Detayları Gör →