Prévision de séries temporelles
Prévision de séries temporelles, des modèles statistiques éprouvés aux approches profondes.
Durée du cours : 6h
Ce que vous allez apprendre
- Décomposer une série en tendance, saisonnalité et résidu
- Vérifier la stationnarité et la rendre exploitable
- Construire une validation qui respecte le temps
- Comparer un modèle statistique à un modèle profond honnêtement
- Produire un intervalle de prévision et l'interpréter
Prérequis
- Python et pandas
- Notions de statistiques
Modules du cours
- Ce qui distingue une série temporelle des autres données
- Décomposition : tendance, saisonnalité, bruit
- Stationnarité, différenciation, autocorrélation
- Modèles de référence à ne jamais négliger
- ARIMA et SARIMA
- Lissage exponentiel et Prophet
- Variables de calendrier et régresseurs externes
- Approches profondes : LSTM et Transformers temporels
- Validation glissante et métriques adaptées
- Projet : prévision de demande avec intervalles
Évaluation et attestation
Le parcours se termine par un examen de 40 questions qui couvre tous les modules. En cas de réussite, une attestation d'achèvement est délivrée ; son numéro est vérifiable sur la plateforme.
Les cours gratuits, eux, se concluent par un quiz de 5 questions avec un aperçu de l'attestation, sans certification.