or
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
เริ่มต้นเรียนรู้คุณสมบัติที่สำคัญที่สุดของอนุกรมเวลาได้เลย จะได้ทำความเข้าใจเรื่อง stationarity และความสำคัญของมันต่อโมเดล ARMA รวมถึงวิธีทดสอบ stationarity ทั้งแบบสังเกตด้วยตาและใช้การทดสอบทางสถิติมาตรฐาน จากนั้นจะได้เรียนรู้โครงสร้างพื้นฐานของโมเดล ARMA เพื่อสร้างข้อมูลจำลองและฟิตโมเดล ARMA
บทนี้จะได้ฝึกพยากรณ์สิ่งที่กำลังจะเกิดขึ้นในข้อมูลของคุณ จะได้เรียนรู้การใช้แพ็กเกจ statsmodels ฟิตโมเดล ARMA, ARIMA และ ARMAX แล้วนำโมเดลไปพยากรณ์ราคาหุ้นที่เต็มไปด้วยความไม่แน่นอน
แบบฝึกหัดปัจจุบัน
ในบทนี้จะได้ฝึกเลือกโมเดลอย่างมีหลักการ เริ่มจากการระบุ order ของโมเดลที่มีแนวโน้มดีจากข้อมูลโดยตรง จากนั้นเมื่อฝึกโมเดลที่มีแนวโน้มดีที่สุดแล้ว จะได้เรียนรู้วิธีเลือกโมเดลที่ดีที่สุดจากกลุ่มโมเดลที่ฟิตไว้ นอกจากนี้ยังได้เรียนรู้กรอบการทำงานที่ยอดเยี่ยมสำหรับจัดโครงสร้างโปรเจกต์อนุกรมเวลา
ในบทสุดท้ายนี้จะได้เรียนรู้การใช้ seasonal ARIMA models เพื่อฟิตข้อมูลที่ซับซ้อนยิ่งขึ้น จะได้แยกข้อมูลออกเป็นส่วนที่มีฤดูกาลและส่วนที่ไม่มีฤดูกาล แล้วนำทักษะ ARIMA ทั้งหมดที่เรียนมาไปใช้ในโจทย์พยากรณ์ระดับโลกครั้งสุดท้าย