本课程将向您介绍机器学习中补充基本任务的其他主题，包括预测和分析删减数据。您将学习如何分析具有时间成分的数据和需要结果推断的删减数据。您还将学习一些时间序列分析和生存分析技术。本课程的实践部分侧重于使用最佳实践和验证从统计学习中得出的假设。 通过本课程的学习，您应该能够： 识别时间序列数据的常见建模挑战 解释如何分解时间序列数据：趋势、季节性和残差 解释自回归、移动平均和 ARIMA 模型如何工作 理解如何选择和实施各种时间序列模型 描述危害和生存建模方法 识别适合生存分析的问题类型 谁应该学习本课程？
专业模型：时间序列和生存分析
即将结束： 只需 199 美元（原价 399 美元）即可通过 Coursera Plus 学习新技能。立即节省
了解顶级公司的员工如何掌握热门技能
积累 机器学习 领域的专业知识
本课程是 IBM 机器学习 专业证书 专项课程的一部分
在注册此课程时，您还会同时注册此专业证书。
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 通过 IBM 获得可共享的职业证书
该课程共有4个模块
本模块介绍预测的概念，以及与您可能已经了解的其他回归模型相比，时间序列分析最适合预测的原因。您将学习时间序列的主要组成部分，以及如何使用分解模型建立准确的时间序列模型。
涵盖的内容
10个视频3篇阅读材料3个作业
本模块将向您介绍静态性和时间序列平滑的概念。静止的时间序列很容易建模。您将学习如何识别和解决非平稳性问题。平滑与您息息相关，因为它有助于提高模型的准确性。
涵盖的内容
13个视频3篇阅读材料3个作业
本模块介绍移动平均模型，它是时间序列分析的主要支柱。首先，您将学习自回归模型背后的理论，并获得一些 ARMA 模型的编码实践。然后，您还将扩展知识，使用 SARMA 和 SARIMA 模型。
涵盖的内容
9个视频3篇阅读材料3个作业
本模块将介绍另外两种预测工具：深度学习和生存分析。除了人工智能和机器学习应用外，深度学习也可用于预测。生存分析是统计学的一个分支，最早用于分析危险函数以及机械故障或死亡等事件发生的预期时间。目前，生存分析法仍广泛应用于制药行业以及其他数据有限的业务场景，这些数据与剔除有关，剔除是指缺乏关于某一观察对象是否发生事件的信息。
涵盖的内容
8个视频3篇阅读材料3个作业1次同伴评审
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
提供方
从 机器学习 浏览更多内容
状态：免费试用
状态：免费试用Illinois Tech
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
学生评论
4.5
139 条评论
- 5 stars
69.78%
- 4 stars
19.42%
- 3 stars
5.75%
- 2 stars
2.87%
- 1 star
2.15%
显示 3/139 个
RT
4
已于 Apr 7, 2021审阅
Good course with some useful tips, the Survival part of the course was particularly interesting.
PC
5
已于 Sep 23, 2021审阅
this is one the great course i learned. both theoritical and practical went parrallely that made the course much more reliable.
KP
5
已于 Apr 7, 2022审阅
excellent and well explained course, especially for SARIMAX models.
常见问题
要获取课程资料、作业和证书，您需要在注册课程时购买证书体验。 您可以尝试免费试听，或申请资助。课程可能提供 "完整课程，无证书"。通过该选项，您可以查看所有课程资料，提交必要的评估，并获得最终成绩。这也意味着您无法购买证书体验。
注册课程后，您就可以访问证书中的所有课程，并在完成作业后获得证书。您的电子证书将被添加到您的 "成就 "页面--在那里，您可以打印证书或将其添加到您的 LinkedIn 个人资料中。
更多问题
提供助学金，
¹ 本课程的部分作业采用 AI 评分。对于这些作业，将根据 Coursera 隐私声明使用您的数据。