Introduction aux séries temporelles

Introduction aux séries temporelles - DatAtelier

Рет қаралды 23,708

Жыл бұрын

Découvrez comment modéliser une quantité qui varie dans le temps à l’aide de séries temporelles !
Yohan, Data Scientist chez ‪@DataScientest‬ aborde dans ce live les principes fondamentaux des séries temporelles avec des exemples d’applications.
👉 Trouvez la formation qui vous correspond : datascientest.com/
Data Scientist : datascientest.com/formation-d...
Data Analyst : datascientest.com/formation-d...
Data Ingénieur: datascientest.com/formation-d...
Data Manager : datascientest.com/formation-d...
👨‍💻 Nos cursus experts :
MLOps : datascientest.com/formation-m...
Deep Learning : datascientest.com/formation-d...
DevOps : formation.datascientest.com/d...
💼 Nos formations éditeurs certifiantes :
Microsoft Azure : datascientest.com/formation-m...
Amazon AWS : datascientest.com/formation-aws
Power BI : datascientest.com/formation-p...
✅N'hésitez pas à postuler en ligne ! datascientest.com/processus-i...
💡Vous souhaitez découvrir d'autres astuces Data & IA ?
👉 Rendez-vous sur notre Blog : datascientest.com/blog-data-i...
#DevOps #engineering #machinelearning #devopsprojects #Data #DataScicence #DataAnalyst #DataScientist #DataScientest #données #ia #intelligenceartificielle #futur #DataDays

Пікірлер: 19

@lifepassion2024 7 күн бұрын

vraiment merci c'est en 2024 et je contemple tjrs cette masterclass

@hatumvictoire214 Ай бұрын

Merci beaucoup pour cet Tuto cher Yohan

@user-xy8ev2tf4z 8 ай бұрын

Merci beaucoup ❤

@mahdouch_Mahdi_FCB Жыл бұрын

Merci beaucoup

@Proarmelo Жыл бұрын

Merci. Comment je peux avoir le jeu de donnée "Passagers" sur le quel vous avez modelisé?

@DataScientest Жыл бұрын

Bonjour, il s'agit là d'un jeu de données bien connu utilisé pour la modélisation avec les séries temporelles. Vous pouvez notamment le trouver en open source sur Kaggle par exemple : www.kaggle.com/datasets/rakannimer/air-passengers

@user-bt6zv8jd9g Жыл бұрын

Merci Pour ce tuto. à la 29:25 il me semble que les trois valeurs à prendre en compte pour le calcul de la moyenne mobile centrée sont 12 11 et 9 et non pas 11 9 et 10. Cordialement

@yohancohen4768 Жыл бұрын

En effet, il y a une petite coquille à ce niveau. C’est bien la moyenne entre 12, 11 et 9 qui est indiquée ici. Merci

@elijoelessononzoghe3585 4 ай бұрын

En fait je crois que vous repassez à exponentiel parce que le modèle était d'abord au départ multiplicatif et pour le remettre au multiplicatif puisqu'on remarque que le modèle multiplicatif la tendance est toujours croissante, exponentielle étant une fonction qui croit très vite, il a fallu l'utiliser. Une réciproque de la fonction log mais qui va plus vite:)))!

@jalillahrach9449 4 ай бұрын

est-ce possible d'avoir accès aux Jupyter pour s'entrainer sur le code ? Merci d'avance.

@skateforlife3679 9 ай бұрын

Et ensuite en situation réelle comment prédire les dates futures ??

@franckbenyacinesawadogo8797 Жыл бұрын

avez vous un dépot github où l'on pourrait consulter le code??

@DataScientest Жыл бұрын

Bonjour, voici le Github : github.com/YOHANCOHENCODES/Data_atelier_time_series !

@franckbenyacinesawadogo8797 Жыл бұрын

merci@@DataScientest

@instrumental_box 7 ай бұрын

Merci beaucoup pour ce tuto Yohan. Très bien expliqué. A la 39:42 j'aimerais savoir stp pourquoi Moving Average (MA) sert à modéliser une série temporelle à l'aide des erreurs. Pourtant d'après son nom il devait utiliser les moyennes mobiles non?

@DataScientest 7 ай бұрын

Bonjour Julio, Le terme "Moving Average" (MA) en économétrie a évolué pour représenter la moyenne des erreurs dans le temps, d'où son nom. Bien que le terme puisse prêter à confusion, son utilisation spécifique dans les modèles ARMA reflète son rôle dans la modélisation des composantes d'erreur temporelles.

@JarodAk47 2 ай бұрын

Bonjour, Si on nous donne un ou plusieurs graphiques et qu'on nous demande de donner la tendance et la saisonnalité il s'agit de faire d'expliquer cela verbalement, ou alors de les déterminer par des calculs?

@DataScientest 2 ай бұрын

Bonjour, l'observation des graphiques peut suffire pour identifier les tendances et la saisonnalité, surtout dans les cas où les motifs sont évidents. Cependant, cela dépend de la complexité et de la clarté des données. Parfois, les tendances et les saisonnalités peuvent être subtiles ou masquées par la variabilité des données, rendant l'observation visuelle moins fiable. L'observation simple des graphiques ne permet pas de quantifier l'ampleur des tendances et des saisons, ce qui peut être important pour des analyses plus détaillées. Pour des analyses plus précises et objectives, l'utilisation de méthodes de calcul est recommandée. Une combinaison des deux approches est généralement la meilleure stratégie pour obtenir des résultats fiables.