C4 — Séries Temporelles

🎯 Du signal au modèle ARIMA — comprendre, modéliser, prédire.

Les séries temporelles sont partout : ventes, populations de poissons, température, métriques business, capteurs IoT. Ce cours vous mène du signal brut à la prévision rigoureuse en passant par la décomposition, la stationnarité, le lissage exponentiel, ARIMA et SARIMA. Vous apprenez à lire un signal, à le modéliser et à communiquer une prévision avec ses incertitudes.

Pour qui : économètres, gestionnaires de ressources naturelles, ingénieurs prévisionnels, climatologues, analystes business, data scientists.

Parcours en 5 blocs

• Bloc 1 — Exploration (M1–M3) : structure des séries, décomposition, stationnarité et tests.
• Bloc 2 — Méthodes simples (M4–M5) : lissage exponentiel, ETS, baselines robustes.
• Bloc 3 — Méthodes avancées (M6–M7) : ARIMA, SARIMA, identification et diagnostic.
• Bloc 4 — Prévision et évaluation (M8–M9) : horizon, intervalles, cross-validation temporelle.
• Bloc 5 — Clôture (M10) : workflow décisionnel et choix du modèle adapté.

Stack R : tsibble, fable, feasts, fabletools (tidyverts), forecast, prophet, seasonal, bsts. Volume : ~2h25 vidéo + ~21h pratique.