这个基于项目的课程将使您成为 Airbnb 的业务数据分析师，负责预测纽约的 Airbnb 房产预订需求。为实现这一目标，您将使用 Python 编程语言构建一个强大的工具，利用时间序列预测的魔力
世界在变化。每个决定都必须更快、更智能、更准确地做出。这可以通过业务数据分析实现。您将学习新技能并在此项目中进行测试，该项目将您置于 Airbnb 的业务数据分析师的假设场景中，负责预测纽约的 Airbnb 房产需求。您将使用 Python 构建一个利用时间序列预测的工具，以帮助 Airbnb 做出最佳、最准确的决策，并拥有一个可以用来打动雇主的投资组合项目。
发布 11/2022
MP4 | 视频：h264、1280×720 | 音频：AAC，44.1 KHz，2 通道
类型：在线学习 | 语言：英语 | 时长：124 节课（8 小时 47 分） | 大小：1.6 GB
你会学到什么
- 如何利用时间序列预测的力量来预测未来
- 如何使用当今业务数据分析师使用的四种最相关的预测模型
- 练习业务数据分析所需的日常技能
- 建立一个令人印象深刻的项目以添加到您的投资组合中以帮助您被录用
- 提高您对 Python 这一最流行的编程语言之一的熟练程度
让我们从头开始：什么是时间序列预测？
时间序列是您在连续时间段内分析数据的地方，例如天、周、年、工作日或任何时间段。考虑时间的影响是成功进行数据分析的关键，而时间序列可以帮助您理解这一点并将其用于您的优势。
您可能以前听说过预测。天气预报员每天为您预报天气。预测时您正在做的是尝试尽可能准确地预测未来。
所以时间序列预测实际上是关于使用时间序列数据和分析来预测未来可能的样子。
听起来很有用，对吧？
好吧，就像天气预报员一样，您可能无法完美地预测未来，但是使用正确的数据、工具和分析，您可以确保您的预测是最好的，并且能够依靠您的预测高度信任。
为什么我应该通过构建项目来学习？
构建项目是最好的学习方法之一。在 ZTM，我们都是边做边学。它会教你如何在现实世界中实际工作，而不是回避困难的事情。
此外，要找到理想的工作，您还需要可以用来向雇主炫耀您的技能的投资组合项目。这个项目将是对你的投资组合的一个很好的补充，你可以用它来让你未来的雇主惊叹并找到你梦想的工作。
我将在这个项目中学到什么？
通过此项目，您将了解当今业务数据分析师使用的四种最相关的预测模型，包括使用它们所需的最新工具。
但还有更多。通过这个项目，您还将了解
1. Facebook Prophet：由 Meta (Facebook) 开发的一种工具，用于生成可靠的预测，协助规划和设定业务目标。
2. Python 中的 SARIMAX 建模：什么是 SARIMAX？好吧，它代表“具有 eXogenous 的季节性自动回归综合移动平均线”因素，我们知道它是一个满口（感谢首字母缩略词！）。您现在需要知道的是，SARIMAX 是一款出色的时间序列分析工具，是 ARIMA 模型系列的一部分。
3. LinkedIn Silverkite：LinkedIn也开发了一个顶级预测模型，叫做Silverkite！这可以说比 Facebook Prophet 更好，尽管每个都有自己的用途。它使用自动化建模来使预测更好、更准确。
4. Recurrent Neural Networks：学习和利用应用于时间序列的尖端神经网络，包括长期短期记忆，这是一种非常有市场和抢手的深度学习预测模型！
5. Ensemble Methodology：一种通用的预测方法，它结合了多个模型的预测以提高准确性。
课程内容列表：
Course Introduction
Course Material
Why Forecasting Matters
Game Plan
TIme Series Data
Case Study Briefing
Python – Directory and Libraries
Python – Loading the Data
Python – Renaming Variable
Python – Summary Statistics
Additive vs. Multiplicative Seasonality
Python – Seasonal Decomposition
Python – Seasonal Graphs
Python – Visualization – Basic Plot
Python – Visualization – Customization
Python – Visualization -Adding Events
Python – Correlation
Auto-Correlation Plots
Python – Auto-Correlation Plot
Python – Useful Commands Template
Facebook Prophet Game Plan
Structural Time Series and Facebook Prophet
Python – Preparing the Script
Python – Date Variable
Python – Easter
Python – Thanksgiving
Python – Wrapping Up the Events
Facebook Prophet Parameters
Facebook Prophet Model
Cross-Validation
Python – Cross-Validation
Assessing Model Errors
Python – Cross-Validation Performance and Plot
Parameter Tuning
Python – Parameter Grid
Python – Parameter Tuning
Python – Best Parameters and Exporting
Python – Building Script
Python – Preparing Data Sets
Python – Final Facebook Prophet Model
Python – Forecasting
Python – Exporting Forecast
Facebook Prophet Pros and Cons
SARIMAX Game Plan
ARIMA
Python – Preparing Script
Auto-Regressive
Integrated
Python – Stationarity and Differencing
Moving Average Component
Optimization Factors
Python – SARIMAX Model
Python – Cross-Validation
Python – Parameter Grid
Python – Parameter Tuning
Python – Exporting Best Parameters
Python – Preparing the Script
Python – Preparing Data
Python – Tuned SARIMAX Model
Python – Forecasting
Python – Visualization and Export
SARIMAX Pros and Cons
LinkedIn Silverkite Game Plan
LinkedIn Silverkite
Silverkite vs. Prophet
Python – Libraries and Data
Python – Preparing Data
Python – Metadata
Silverkite Components
Growth Terms
Python – Growth Terms
Seasonality Terms
Python – Seasonality
Python – Available Countries and Holidays
Python – Holidays
Python – Changepoints
Python – Regressors
Lagged Regressors
Python – Lagged Regressors
Python – Autoregression
Fitting Algorithms Possibilities
Ridge Regression
XGBoost
Boosting
Feature Sampling
Python – Custom Fit Algorithm
Python – Silverkite Model
Python – Cross-Validation Configuration
Python – SIlverkite Parameter Tuning
Python – Visualization and Preparing Results
Python – Exporting Best Parameters
Python – Preparing Script
Python – Best Parameters and Silverkite Model
Python – Summary and Visualization
Python – Exporting Forecasts
Pros and Cons
Recurrent Neural Networks (RNN) Long Short-Term Memory (LSTM) Game Plan
Simple Neural Network
Recurrent Neural Networks (RNN)
Long Short-Term Memory (LSTM)
Python – Libraries and Data
Python – Time Series Objects
Python – Time Variables
Python – Scaling Variables
LSTM Parameters
Python – LSTM Model
Python – Cross-Validation
Python – CV Performance
Python – Parameter Grid
Python – Parameter Tuning (Round 1)
Python – Parameter Tuning (Round 2)
Python – Parameter Tuning (Final Results)
Python – Preparing Script
Python – Preparing Inputs
Python – Tuned LSTM Model
Python – Predictions and Exporting
LSTM Pros and Cons
Ensemble Game Plan
Ensemble Mechanism
Python – Preparing Script and Loading Predictions
Python – Loading Errors
Python – Forecasting Weights
Python – Ensemble Forecast and Visualization
Ensemble Pros and Cons
