Ao selecionar um país você vê os cursos disponíveis na sua região.
⏱ 2 h 48 min📚 28 aulas🎧 Versão em áudio
Previsão de séries temporais com PyTorch: Fundamentos de aprendizagem profunda
Aprenda os conceitos fundamentais de análise de séries temporais e crie modelos de previsão precisos usando redes neurais modernas implementadas no PyTorch.
💬Instrutor de IA Pergunte sobre qualquer aula e receba uma resposta clara na hora, quando quiser.
🕐Comece quando quiser Sem horários nem prazos: aprenda no seu ritmo, quando quiser.
🌐Em português Aulas, tarefas e certificado: tudo totalmente no seu idioma.
Sobre este curso
Você está pronto para ir além de estatísticas simples e usar o aprendizado profundo para prever tendências futuras com base em dados históricos?A previsão de séries temporais é uma habilidade crítica em finanças, clima e operações de negócios.
Este curso fornece uma introdução abrangente à análise de dados sequenciais, identificando padrões e construindo modelos de previsão sofisticados.No final, você poderá pré-processar dados brutos de séries temporais e implementar arquiteturas de previsões personalizadas usando o framework PyTorch.
O que você vai aprender:
* Entenda as principais propriedades estatísticas dos dados de séries temporais, incluindo estacionariedade, autocorrelação e sazonalidade.
* Aplicar técnicas de preparação de dados específicas para dados sequenciais, como janela, dimensionamento e engenharia de recursos.
* Construir modelos de previsão fundamentais como ARIMA e suavização exponencial para a comparação de linha de base necessária.
* Projetar e implementar arquiteturas de aprendizado profundo (como RNNs e LSTMs) para previsão de várias etapas usando PyTorch.
* Configurar conjuntos de dados e dataloaders PyTorch otimizados para lidar com sequências e treinamento em lote eficiente.
* Pratique avaliar o desempenho do modelo usando métricas de previsão padrão como MAE, MSE e RMSE.
O curso começa com terminologia essencial e métodos estatísticos clássicos para análise de séries temporais, e depois faz a transição para a implementação prática de aprendizado profundo, orientando você na configuração de um ambiente PyTorch e na construção do seu primeiro preditor de rede neural a partir do zero. Este curso é projetado para iniciantes em ciência de dados ou aprendizado de máquina que estão confortáveis com a programação básica do Python e estão prontos para aplicar o aprendizado profundo às tarefas de previsão.Não é necessária experiência prévia com o PyTorch ou análise de séries temporais.
Comece a criar modelos preditivos poderosos hoje mesmo e obtenha novas informações a partir de seus dados.
O que você vai receber
📜Certificado de conclusão Adicione ao seu perfil do LinkedIn
💬Tutor AI pessoal Travou em uma aula? Pergunte ao seu tutor integrado qualquer coisa, a qualquer hora.
🎧Versão em áudio incluída Estude em qualquer lugar, sem tela
♾️Acesso vitalício Volte quando quiser, sem expirar
📱Celular ou computador Funciona em qualquer dispositivo
💸Reembolso em 14 dias Sem perguntas
⚡Curto e focado 2 h 48 min de conteúdo prático
Certificado de conclusão
Cada curso que você conclui na PickAClass emite uma credencial como esta — original, com seu próprio código, verificável por URL e detalhada sobre o que foi de fato demonstrado.
P
PickAClass
Perfil de habilidades · verificável
Documento
Certificado de Maestria
Isto certifica que
Nome Sobrenome
demonstrou com sucesso o domínio de
Previsão de séries temporais com PyTorch: Fundamentos de aprendizagem profunda
Habilidades demonstradas
✓
Análise de padrões comportamentais
Fundamental
1.2 h
✓
Estruturas de arquitetura de decisão
Proficiente
1.4 h
✓
Design de testes A/B
Proficiente
1.7 h
✓
Redação comportamental
Avançado
1.9 h
P
PickAClass — Nome Sobrenome
Previsão de séries temporais com PyTorch: Fundamentos de aprendizagem profunda
Página 2 de 2
Detalhe de desempenho
Resumo do curso
Aulas concluídas14 / 14
Questões de prática26 / 28
Tarefas enviadas4 (méd. 4.5 / 5)
Projeto finalAvaliado — 4.6 / 5
Prática total6.2 h
Benchmark de desempenho
Posição na coorteTop 12% de 1,625
Tempo até concluir11 dias (mediana: 22)
Pontuação de domínio91 / 100
Pontuação das questões de prática94%
Verificação de habilidadeTrilha de habilidade verificada