Ανάλυση Οικονομικών Χρονοσειρών

Μαθησιακά Αποτελέσματα

Τα δεδομένα χρονοσειρών εκφράζουν την συμπεριφορά πολλαπλών φαινομένων όπως οι διακυμάνσεις τιμών στο χρηματιστήριο, τα δεδομένα αισθητήρων που καταγράφουν θερμοκρασία ή τη δραστηριότητα στον εγκέφαλο και άλλα. Η μηχανική μάθηση έχει αναδειχθεί ως μια ισχυρή μέθοδος για την αξιοποίηση της πολυπλοκότητας στα δεδομένα αυτά προκειμένου να διεξάγει προβλέψεις και να βγάλει στατιστικά σημαντικά συμπεράσματα για το πρόβλημα που προσπαθεί κανείς να λύσει. Στο πλαίσιο αυτό, το παρόν μάθημα αποτελεί μία τομή μεταξύ των δύο κόσμων της μηχανικής μάθησης και της διαχείρισης δεδομένων χρονοσειρών.

Περιεχόμενο Μαθήματος

Ενότητα 1: Χρήση της βιβλιοθήκης Numpy για την ανάπτυξη πινάκων και την δημιουργία ευρετηρίων
Ενότητα 2: Χρήση εργαλείων προ επεξεργασίας δεδομένων και αντικατάστασης κενών στηλών
Ενότητα 3: Χρήση της βιβλιοθήκης Pandas για το άνοιγμα πινάκων και την διαχείριση χρονοσειρών ως αντικείμενα
Ενότητα 4: Χρήση βιβλιοθηκών παλινδρόμησης και στατιστικής ανάλυσης και εφαρμογή τους σε δεδομένα μελέτης περίπτωσης για την επιλογή της καταλληλότερης μεθοδολογίας πρόβλεψης με κριτήριο το μέσο απόλυτο ποσοστιαίο σφάλμα πρόβλεψης

Αξιολόγηση Φοιτητών

H αξιολόγηση των φοιτητών, προκειμένου να τους παρέχεται δυνατότητα επιλογών, προτιμήσεων και αξιοποίησης του χρόνου τους, γίνεται με:

• Με Εργαστηριακή Εξέταση (100%) στη Γλώσσα προγραμματισμού Python

Συνιστώμενη Βιβλιογραφία
Συγγράμματα Εύδοξος