or
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
จะได้เรียนรู้วิธีใช้เครื่องมือพื้นฐานสำหรับการพล็อตกราฟใน Python รวมถึงการเพิ่มคำอธิบายและปรับแต่งกราฟ time series ให้ตรงกับความต้องการ เมื่อจบบทนี้ จะสามารถนำชุดข้อมูลใดก็ได้มาสร้างกราฟที่น่าสนใจและสื่อความหมายได้อย่างมีประสิทธิภาพ
ในบทนี้ จะได้เจาะลึกข้อมูล time series ด้วยการคำนวณสถิติสรุปและการพล็อตกราฟในมุมมองเชิงรวม เพื่อทำความเข้าใจข้อมูลได้อย่างครอบคลุมยิ่งขึ้น
จะได้ก้าวข้ามสถิติสรุปพื้นฐาน โดยเรียนรู้เกี่ยวกับกราฟ autocorrelation และ partial autocorrelation นอกจากนี้ยังจะได้เรียนรู้วิธีตรวจจับฤดูกาล แนวโน้ม และสัญญาณรบกวนในข้อมูล time series โดยอัตโนมัติ
ในสาขา Data Science มักพบโปรเจกต์ที่ต้องวิเคราะห์ข้อมูล time series หลายชุดพร้อมกัน ในบทนี้ จะได้เรียนรู้วิธีพล็อตกราฟ time series หลายชุดในคราวเดียว รวมถึงวิธีค้นหาและอธิบายความสัมพันธ์ระหว่างชุดข้อมูลเหล่านั้น
บทนี้เป็นโอกาสฝึกฝนแนวคิดทั้งหมดที่ได้เรียนในคอร์ส โดยจะได้แสดงภาพอัตราการว่างงานในสหรัฐอเมริการะหว่างปี 2000 ถึง 2010
แบบฝึกหัดปัจจุบัน