Time Series Forecasting Using Python - eLearning

Chronologie du cours

1. La notion de série chronologique et ses composantes

   Leçon 01

   • Le concept et la nécessité de l’analyse des séries temporelles
   • Granularité, fréquence et horizon dans l’analyse de séries temporelles
   • Extraction de données avec Yahoo Finance
   • Composantes des séries temporelles : niveau, tendance, saisonnalité, cyclicité et bruit
   • Gestion des valeurs manquantes et des valeurs aberrantes dans les séries temporelles
   • Décomposition additive et multiplicative

2. Gérer la stationnarité

   Leçon 02

   • Bruit blanc
   • Marche aléatoire
   • Le concept de stationnarité
   • Détection et traitement de la stationnarité
   • Test statistique pour détecter la stationnarité : test KPSS vs test ADF
   • Test de causalité de Granger
   • Détection d’anomalies à l’aide de la forêt d’isolement

3. Stationnarité et identification des retards

   Leçon 03

   • Autocorrélation et corrélation
   • Test de causalité de Granger
   • Fonction d’autocorrélation (ACF)
   • Fonction d’autocorrélation partielle (PACF)
   • Identification des retards à l’aide de l’ACF et de la PACF

4. Modèles de séries temporelles de base

   Leçon 04

   • Méthode naïve
   • Méthode de la moyenne simple, modèle de moyenne mobile (MA)
   • Exécuter une prédiction avec le modèle MA
   • Modèle autorégressif (AR)
   • Exécuter une prédiction avec un modèle AR
   • Lissage exponentiel de Holt-Winters
   • Lissage exponentiel simple
   • Lissage exponentiel double

5. Mesure de la performance

   Leçon 05

   • Mesures de performance pour l’analyse de séries temporelles
   • Détection des performances des modèles
   • Comparer les performances des modèles

6. Modèles avancés de séries temporelles

   Leçon 06

   • Modèle autorégressif à moyenne mobile (ARMA)
   • Exécuter une prédiction avec le modèle ARMA
   • Modèle ARIMA (Auto-Régressif Intégré à Moyenne Mobile)
   • Exécuter une prévision avec ARIMA
   • Modèle SARIMA (modèle autorégressif intégré à moyenne mobile saisonnier)
   • Exécuter une prévision avec SARIMA

7. Analyse des séries temporelles multivariées

   Leçon 07

   • La notion de variables endogènes et exogènes
   • Introduction à SARIMAX : bref aperçu théorique
   • Modélisation avec SARIMAX
   • Exécuter une prédiction avec SARIMAX
   • Introduction au VAR
   • Modélisation avec un VAR
   • Exécuter une prévision avec un VAR

8. Prévision de séries temporelles avec Facebook Prophet

   Leçon 08

   • Émergence du Prophète
   • Paramètres principaux dans Prophet
   • Modélisation avec Prophet
   • Exécuter une prédiction avec Prophet