Ce cours pratique permet aux apprenants d'acquérir les compétences nécessaires pour analyser, construire et évaluer des modèles de prévision des ventes à l'aide de techniques avancées de séries chronologiques en Python. Conçu pour les apprenants ayant des compétences de base en Python, le cours progresse depuis le prétraitement des données brutes de séries chronologiques jusqu'à la mise en œuvre de modèles de prévision complexes, y compris SARIMA et Facebook Prophet. Les apprenants commencent par préparer les données par le biais d'un prétraitement structuré, de l'ingénierie des caractéristiques et de la décomposition des séries chronologiques afin de découvrir des modèles et des tendances. Le cours guide ensuite les apprenants dans l'entraînement et l'évaluation statistique des modèles SARIMA, la validation des performances des modèles et la visualisation des prédictions. Grâce à des comparaisons réelles de plusieurs ensembles de données et catégories, les apprenants explorent des méthodes avancées d'évaluation des modèles. La seconde moitié du cours se concentre sur la bibliothèque Prophet, où les apprenants construiront, visualiseront et évalueront de manière critique les prévisions en utilisant les capacités intuitives de Prophet pour modéliser les tendances, la saisonnalité et les vacances. À la fin du cours, les apprenants seront capables d'appliquer le raisonnement statistique, de construire des modèles de prévision robustes, de comparer les stratégies de prédiction et de visualiser les résultats pour soutenir les décisions de vente basées sur les données.