Acquérez des compétences pratiques en matière de prévision des ventes en appliquant l'analyse des séries chronologiques sous Python à des ensembles de données réels. Cette formation pratique s'adresse aux apprenants disposant de connaissances de base en Python et souhaitant développer et évaluer des modèles de prévision à l'aide de techniques analytiques structurées.

Vous commencerez par préparer des données brutes de séries chronologiques grâce au prétraitement, à l'ingénierie des caractéristiques et à la visualisation. Au fur et à mesure de votre progression, vous identifierez les tendances, la saisonnalité et le bruit à l'aide de la décomposition des séries chronologiques afin de créer des données de haute qualité pour la prévision. Ensuite, vous entraînerez et évaluerez des modèles SARIMA à l'aide de mesures statistiques, puis vous comparerez les performances de prévision sur plusieurs ensembles de données et catégories. Le cours présente également la bibliothèque Facebook Prophet, grâce à laquelle vous préparerez les données, générerez des prévisions, visualiserez les prédictions et évaluerez la précision des modèles à l’aide des fonctionnalités intégrées de Prophet pour les tendances, la saisonnalité et les jours fériés. À l’issue de ce cours, vous serez capable de prétraiter des données de séries chronologiques, de concevoir des caractéristiques de prévision, de construire et d’évaluer des modèles SARIMA et Prophet, de comparer différentes approches de prévision et de visualiser les résultats afin d’étayer des décisions de prévision des ventes fondées sur les données. Si vous souhaitez acquérir une expérience pratique de l’application des techniques de prévision basées sur Python, de la préparation des données à l’évaluation des modèles, ce cours vous offre une expérience d’apprentissage structurée et axée sur des projets concrets.