Imagem do Curso gratuito Ciência de Dados: Análise de Séries Temporais: Conceitos Básicos

Curso online gratuitoCiência de Dados: Análise de Séries Temporais: Conceitos Básicos

Duração do curso online: 8 horas e 43 minutos

Novo

Curso gratuito de séries temporais em Ciência de Dados: conceitos, estacionariedade, autocorrelação, processos AR/MA, testes e modelagem com parcimônia.

Neste curso gratuito, aprenda sobre

  • Fundamentos de Séries Temporais e Processo de Modelagem
  • Componentes, Estacionariedade e Propriedades Estatísticas
  • Autocorrelação, Autocovariância e Sazonalidade (ACF/FAC)
  • Simulação e Processos Estocásticos: Ruído Branco e Passeio Aleatório
  • Modelos AR/MA, Testes de Estacionariedade e Diferenciação
  • Avaliação de Modelos e Parcimônia

Descrição do curso

Aprenda os fundamentos da análise de séries temporais em um curso online gratuito de Ciência de Dados, ideal para quem quer entender como dados evoluem ao longo do tempo e como extrair informação útil de padrões, tendências e variações.

Ao longo das aulas, você desenvolve a base conceitual necessária para interpretar os componentes de uma série temporal, compreender quando uma série pode ser considerada estacionária e por que isso é importante para a modelagem. Também aprofunda o entendimento de dependência temporal por meio da autocorrelação amostral e do comportamento de processos estocásticos, incluindo ruído branco e passeio aleatório.

O curso apresenta uma visão clara de processos autorregressivos e de médias móveis, além de técnicas e testes usados para avaliar estacionariedade. Você ainda aprende estratégias como aplicação de diferenças para tornar séries mais adequadas à análise e avança para a etapa de modelagem, com foco em boas práticas e parcimônia, buscando modelos simples e eficientes sem perder capacidade explicativa.

Uma ótima opção para estudantes e profissionais de tecnologia, inteligência artificial e ciência de dados que desejam construir uma base sólida em séries temporais e melhorar a qualidade de análises e previsões em contextos reais.

Conteúdo do curso

  • Aula em vídeo: Séries Temporais: Conceitos Básicos 01 14m
  • Exercício: Quais são os três elementos fundamentais para realizar uma boa previsão em análise de séries temporais?
  • Aula em vídeo: Séries Temporais: Conceitos Básicos 02 11m
  • Exercício: Em um projeto de análise de séries temporais, qual etapa tende a ser a mais difícil e demorada?
  • Aula em vídeo: Séries Temporais: Conceitos Básicos 03 07m
  • Exercício: Qual é uma premissa central na análise de séries temporais em relação às amostras observadas ao longo do tempo?
  • Aula em vídeo: Séries Temporais: Conceitos Básicos 04 24m
  • Exercício: Ao modelar uma série temporal, qual opção descreve melhor o que significa modelagem e o principal objetivo desse processo?
  • Aula em vídeo: Séries Temporais: Conceitos Básicos 05 10m
  • Exercício: Qual é uma primeira etapa essencial na análise exploratória de uma série temporal antes de aplicar métodos estatísticos?
  • Aula em vídeo: Séries Temporais: Conceitos Básicos 06 02m
  • Exercício: Quais são as três técnicas principais de modelagem no domínio do tempo que serão estudadas no curso?
  • Aula em vídeo: Componentes de uma série temporal 19m
  • Exercício: Em um modelo aditivo de decomposição de séries temporais, quais componentes somam para formar a série observada?
  • Aula em vídeo: Estacionariedade 1 10m
  • Exercício: Qual característica distingue uma série temporal de dados do tipo cross-sectional?
  • Aula em vídeo: Estacionariedade 2 11m
  • Exercício: Qual é a principal diferença entre dados típicos e dados de séries temporais?
  • Aula em vídeo: Estacionariedade 3 31m
  • Exercício: Qual condição caracteriza uma série temporal como estacionária (no sentido prático mais usado)?
  • Aula em vídeo: Estacionariedade 4 18m
  • Exercício: Qual tipo de não estacionariedade tende a NÃO ser bem modelada por ARIMA, segundo a ideia apresentada?
  • Aula em vídeo: Estacionariedade 5 19m
  • Exercício: Em Análise de Séries Temporais, como uma série temporal é interpretada do ponto de vista de processo estocástico?
  • Aula em vídeo: Estacionariedade 6 12m
  • Exercício: Qual afirmação descreve corretamente a estacionariedade no sentido amplo (weak stationarity) em séries temporais?
  • Aula em vídeo: Função autocorrelação amostral 01 18m
  • Exercício: Em uma série temporal estacionária de segunda ordem, o que caracteriza a função de autocorrelação (ACF) em relação ao tempo?
  • Aula em vídeo: Função autocorrelação amostral 02 22m
  • Exercício: Na análise de séries temporais, qual é a principal diferença entre a função de autocorrelação teórica e a autocorrelação amostral?
  • Aula em vídeo: Função autocorrelação amostral 03 09m
  • Exercício: Em uma série temporal com forte sazonalidade, o que se espera observar no gráfico da Função de Autocorrelação (ACF)?
  • Aula em vídeo: Função autocorrelação amostral 04 14m
  • Exercício: Qual é a principal diferença entre a função de autocovariância e a função de autocorrelação em séries temporais?
  • Aula em vídeo: Função autocorrelação amostral 05 13m
  • Exercício: Ao simular uma função determinística para análise de séries temporais, qual é o procedimento básico para gerar os pontos do gráfico?
  • Aula em vídeo: Função autocorrelação amostral 06 09m
  • Exercício: Ao analisar a autocorrelação amostral de uma série determinística com tendência linear (como y = 10t + 3), o que se espera observar e por quê?
  • Aula em vídeo: Função autocorrelação amostral 07 06m
  • Exercício: Em um modelo para análise de séries temporais, qual opção descreve corretamente a diferença entre variável independente e parâmetros?
  • Aula em vídeo: Função autocorrelação amostral 08 09m
  • Exercício: Em análise de séries temporais, qual afirmação descreve melhor o uso de funções periódicas para representar sazonalidade?
  • Aula em vídeo: Simulação de Processos Estocásticos 1 23m
  • Exercício: Em um gerador recursivo de números pseudoaleatórios do tipo congruencial linear, qual é o papel da semente (valores iniciais e parâmetros) na simulação?
  • Aula em vídeo: Simulação de Processos Estocásticos 2 27m
  • Exercício: Ao gerar um ruído branco (white noise) em uma série temporal a partir de amostras pseudoaleatórias, qual propriedade estatística é essencial para que a função de autocorrelação amostral fique aproximadamente zero (exceto no lag 0)?
  • Aula em vídeo: Ruído Branco 1 21m
  • Exercício: Qual alternativa descreve corretamente um ruído branco gaussiano em séries temporais?
  • Aula em vídeo: Ruído Branco 2 14m
  • Exercício: Em uma decomposição de série temporal, o que significa que o resíduo final é ruído branco?
  • Aula em vídeo: Ruído Branco 3 27m
  • Exercício: Em séries temporais, qual afirmação descreve corretamente o passeio aleatório simples definido por Z_t = Z_{t-1} + a_t com Z_0=0 e a_t como ruído branco?
  • Aula em vídeo: Passeio aleatório 09m
  • Exercício: Ao simular um passeio aleatório (random walk) em Python, qual prática tende a ser mais eficiente em termos de memória e desempenho?
  • Aula em vídeo: Processos AR e MA 15m
  • Exercício: Qual padrão na função de autocorrelação (ACF) é característico de um processo de médias móveis MA(1)?
  • Aula em vídeo: Testes para verificar estacionariedade 1 20m
  • Exercício: Ao interpretar a função de autocorrelação amostral (FAC/ACF), qual padrão indica fortemente que uma série temporal não é estacionária?
  • Aula em vídeo: Testes para verificar estacionariedade 2 05m
  • Exercício: Ao aplicar o teste ADF (Dickey-Fuller aumentado) no Python com a função adfuller, como a saída costuma ser retornada?
  • Aula em vídeo: Aplicação de Diferenças 25m
  • Exercício: Na diferenciação (primeira diferença) de uma série temporal, como é calculado ΔZ_t?
  • Aula em vídeo: Modelagem de Séries Temporais 24m
  • Exercício: Em séries temporais, qual alternativa descreve corretamente a diferença entre resíduo e erro ao avaliar modelos?
  • Aula em vídeo: Parcimônia 10m
  • Exercício: Ao comparar dois modelos para a mesma série temporal que atingem desempenho semelhante, qual critério a parcimônia recomenda priorizar?

Este curso gratuito inclui:

8 horas e 43 minutos de curso online em vídeo

Certificado digital de conclusão de curso ( Gratuito )

Exercícios para treinar seus conhecimentos

100% gratuito, do conteúdo ao certificado

Pronto para começar?Baixe o app e comece hoje mesmo.

Instale o app agora

para ter acesso ao curso
Ícone representando cursos de tecnologia e negócios

+ de 5.000 cursos gratuitos

Programação, Inglês, Marketing Digital e muito mais! Aprenda o que quiser, gratuitamente.

Ícone de calendário com alvo representando planejamento de estudos

Plano de estudos com IA

A Inteligência Artificial do nosso aplicativo pode criar um cronograma de estudos para o curso que você escolher.

Ícone de profissional representando carreira e negócios

Do zero ao Sucesso profissional

Melhore seu currículo com nosso Certificado gratuito e depois utilize nossa Inteligência Artificial para buscar seu emprego dos sonhos.

Você também pode utilizar o QR Code ou os Links abaixo

QR Code - Baixar Cursa - Cursos Online

Mais cursos gratuitos em Inteligência Artificial e Ciência de Dados

Ebook + Áudiobooks gratuitos! Aprenda ouvindo ou lendo!

Baixe o Aplicativo agora para ter acesso a + de 5000 cursos gratuitos, exercícios, certificado e muito conteúdo sem pagar nada!

  • Cursos online 100% gratuitos do início ao fim

    Milhares de cursos online em vídeo, ebooks e áudiobooks.

  • Mais de 60 mil exercícios gratuitos

    Para testar seus conhecimentos no decorrer dos cursos online

  • Certificado Digital gratuito válido em todo o Brasil

    Gerado diretamente na galeria de fotos do seu celular e enviado ao seu e-mail

Aplicativo Cursa na tela de ebook, na tela de curso em vídeo e na tela de exercícios do curso, mais o certificado de conclusão de curso