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 0114m
Exercício: Quais são os três elementos fundamentais para realizar uma boa previsão em análise de séries temporais?
Aula em vídeo: Séries Temporais: Conceitos Básicos 0211m
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 0307m
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 0424m
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 0510m
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 0602m
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 temporal19m
Exercício: Em um modelo aditivo de decomposição de séries temporais, quais componentes somam para formar a série observada?
Aula em vídeo: Estacionariedade 110m
Exercício: Qual característica distingue uma série temporal de dados do tipo cross-sectional?
Aula em vídeo: Estacionariedade 211m
Exercício: Qual é a principal diferença entre dados típicos e dados de séries temporais?
Aula em vídeo: Estacionariedade 331m
Exercício: Qual condição caracteriza uma série temporal como estacionária (no sentido prático mais usado)?
Aula em vídeo: Estacionariedade 418m
Exercício: Qual tipo de não estacionariedade tende a NÃO ser bem modelada por ARIMA, segundo a ideia apresentada?
Aula em vídeo: Estacionariedade 519m
Exercício: Em Análise de Séries Temporais, como uma série temporal é interpretada do ponto de vista de processo estocástico?
Aula em vídeo: Estacionariedade 612m
Exercício: Qual afirmação descreve corretamente a estacionariedade no sentido amplo (weak stationarity) em séries temporais?
Aula em vídeo: Função autocorrelação amostral 0118m
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 0222m
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 0309m
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 0414m
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 0513m
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 0609m
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 0706m
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 0809m
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 123m
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 227m
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 121m
Exercício: Qual alternativa descreve corretamente um ruído branco gaussiano em séries temporais?
Aula em vídeo: Ruído Branco 214m
Exercício: Em uma decomposição de série temporal, o que significa que o resíduo final é ruído branco?
Aula em vídeo: Ruído Branco 327m
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 aleatório09m
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 MA15m
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 120m
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 205m
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 Diferenças25m
Exercício: Na diferenciação (primeira diferença) de uma série temporal, como é calculado ΔZ_t?
Aula em vídeo: Modelagem de Séries Temporais24m
Exercício: Em séries temporais, qual alternativa descreve corretamente a diferença entre resíduo e erro ao avaliar modelos?
Aula em vídeo: Parcimônia10m
Exercício: Ao comparar dois modelos para a mesma série temporal que atingem desempenho semelhante, qual critério a parcimônia recomenda priorizar?