{"id":36478,"date":"2024-04-08T10:09:02","date_gmt":"2024-04-08T08:09:02","guid":{"rendered":"https:\/\/www.ecabs.com.mt\/?p=36478"},"modified":"2024-04-30T13:00:56","modified_gmt":"2024-04-30T11:00:56","slug":"utilizzare-lapprendimento-automatico-per-la-previsione-delle-serie-temporali-con-sarimax-nel-python","status":"publish","type":"post","link":"https:\/\/ecabs.com.mt\/it\/utilizzare-lapprendimento-automatico-per-la-previsione-delle-serie-temporali-con-sarimax-nel-python\/","title":{"rendered":"Utilizzare l’apprendimento automatico per la previsione delle serie temporali con SARIMAX nel Python"},"content":{"rendered":"

Senior Data Analyst presso eCabs Technologies<\/p>

Julia Vella<\/p><\/div><\/div>\n\n\n

In questo blog esploreremo come utilizzare SARIMAX<\/a>, un potente metodo statistico, insieme alle tecniche di apprendimento automatico per la previsione di serie temporali utilizzando Python nel settore della mobilit\u00e0.<\/p>\n\n\n\n

Con l\u2019introduzione dell\u2019apprendimento automatico, i metodi statistici tradizionali sono stati migliorati per fornire previsioni pi\u00f9 accurate e robuste.<\/p>\n\n\n\n

Nel ride-hailing, prevedere i volumi dei clienti \u00e8 essenziale per ottimizzare le operazioni, gestire le risorse in modo efficiente e migliorare l’esperienza del cliente<\/a>. Ci\u00f2 pu\u00f2 essere ottenuto con tecniche di previsione delle serie temporali come SARIMAX.<\/p>\n\n\n\n

Le tecniche di previsione delle serie temporali come SARIMAX possono svolgere un ruolo cruciale in questo senso.<\/p>\n\n\n\n

Dimostreremo come possiamo applicare SARIMAX per prevedere i volumi dei clienti nel settore della mobilit\u00e0.<\/p>\n\n\n\n

Cos’\u00e8 SARIMAX?<\/h2>\n\n\n\n

La media mobile integrata autoregressiva stagionale con regressori esogeni (SARIMAX) \u00e8 un metodo statistico comunemente utilizzato per l’analisi e la previsione di serie temporali.<\/p>\n\n\n\n

Estende il modello ARIMA incorporando parametri aggiuntivi per variazioni stagionali e variabili esogene.<\/p>\n\n\n\n

I modelli SARIMAX sono ampiamente utilizzati in settori quali finanza, economia e sanit\u00e0 per prevedere valori futuri sulla base di modelli di dati storici.<\/p>\n\n\n\n

Lo usiamo anche nel settore della mobilit\u00e0.<\/p>\n\n\n\n

Come si pu\u00f2 vedere nell’istantanea seguente dei possibili input per questo metodo statistico, il pacchetto Python ha un numero diverso di possibili variabili che l’analista pu\u00f2 utilizzare per personalizzare lo strumento.<\/p>\n\n\n\n

Quelli pi\u00f9 comunemente modificati con valori specifici dell’azienda sono “ordine” e “ordine stagionale”, mentre gli altri vengono comunemente lasciati con i valori predefiniti come descritto qui.<\/p>\n\n\n

\n
\"Leveraging<\/figure><\/div>\n\n\n

Formulazione matematica<\/h2>\n\n\n
\n
\"Leveraging<\/figure><\/div>\n\n\n

Per chi ha una mentalit\u00e0 matematica, questo \u00e8 il modo in cui il metodo viene definito utilizzando tre serie di parametri.<\/p>\n\n\n\n

I tre set di parametri:<\/p>\n\n\n\n

    \n
  • Parametri stagionali (p, d, q, P, D, Q, s):<\/li>\n\n\n\n
  • p: Ordine autoregressivo della componente stagionale.<\/li>\n\n\n\n
  • d: Grado di differenziazione della componente stagionale.<\/li>\n\n\n\n
  • q: Ordine della media mobile per la componente stagionale.<\/li>\n\n\n\n
  • P: Ordine autoregressivo stagionale.<\/li>\n\n\n\n
  • D: Grado di differenziazione della componente stagionale.<\/li>\n\n\n\n
  • D: Ordine delle medie mobili stagionali.<\/li>\n\n\n\n
  • s: periodo stagionale (ad esempio, 24 per dati orari, 7 per dati settimanali, 12 per dati mensili e 4 per dati trimestrali)<\/li>\n<\/ul>\n\n\n\n

    Parametri non stagionali (p, d, q):<\/p>\n\n\n\n

      \n
    • p: Ordine autoregressivo per la componente non stagionale.<\/li>\n\n\n\n
    • d: Grado di differenziazione per la componente non stagionale.<\/li>\n\n\n\n
    • q: Ordine della media mobile per la componente non stagionale.<\/li>\n<\/ul>\n\n\n\n

      Variabili esogene (X):<\/p>\n\n\n\n

        \n
      • Variabili aggiuntive incorporate nel modello per catturarne l’influenza sulle serie temporali.<\/li>\n<\/ul>\n\n\n\n

        La componente stagionale in SARIMAX tiene conto dei modelli stagionali nei dati delle serie temporali. La stagionalit\u00e0 si riferisce a modelli ripetitivi che si verificano a intervalli regolari, ad esempio cicli giornalieri, settimanali o annuali. Incorporando parametri stagionali, SARIMAX pu\u00f2 catturare e modellare questi modelli in modo efficace.<\/p>\n\n\n\n

        La componente autoregressiva (AR) di La componente autoregressiva di SARIMAX modella la relazione tra un’osservazione e un numero di osservazioni ritardate (ovvero, valori passati della serie temporale). Questo componente cattura la dipendenza del valore corrente dai suoi valori precedenti.<\/p>\n\n\n\n

        La componente integrata (I): la componente integrata di SARIMAX tiene conto della non stazionariet\u00e0 dei dati delle serie temporali mediante differenziazione. La non stazionariet\u00e0 si riferisce alla presenza di tendenze o modelli irregolari che cambiano nel tempo. Differenziando i dati, SARIMAX li trasforma in una serie stazionaria, rendendola adatta alla modellizzazione.<\/p>\n\n\n\n

        La componente media mobile (MA): la componente media mobile di SARIMAX modella la dipendenza tra un’osservazione e un errore residuo da un modello di media mobile applicato alle osservazioni ritardate. Questo componente aiuta a catturare fluttuazioni e rumore a breve termine nei dati.<\/p>\n\n\n\n

        Le variabili esogene (X) in SARIMAX consentono l’inclusione di variabili esogene, che sono fattori esterni che possono influenzare la serie temporale ma non fanno parte della serie temporale stessa. Queste variabili potrebbero essere indicatori economici, condizioni meteorologiche o qualsiasi altro fattore rilevante che influenza il fenomeno studiato.<\/p>\n\n\n\n


        Flusso di lavoro della modellazione <\/h2>\n\n\n\n

        SARIMAX Raccolta e preparazione dei dati: <\/strong><\/p>\n\n\n\n

          \n
        • \u00c8 necessario prima raccogliere dati storici sui volumi dei clienti dal database dell\u2019azienda o da altre fonti pertinenti. Questi dati potrebbero includere parametri come il numero di richieste di corse o prenotazioni per ora\/giorno. Questi dati devono quindi essere pre-elaborati gestendo i valori mancanti, rimuovendo i valori anomali e convertendo i timestamp in oggetti datetime appropriati. <\/li>\n<\/ul>\n\n\n\n

          Analisi esplorativa dei dati (EDA): <\/strong><\/p>\n\n\n\n

            \n
          • \u00c8 quindi necessario condurre un’analisi esplorativa dei dati per comprendere eventuali modelli o tendenze sottostanti nei volumi dei clienti. I dati delle serie temporali vengono quindi visualizzati utilizzando grafici a linee, istogrammi e scomposizione stagionale per identificare stagionalit\u00e0, tendenze ed eventuali anomalie da utilizzare nella fase successiva. <\/li>\n<\/ul>\n\n\n\n

            Costruzione di modelli:<\/strong><\/p>\n\n\n\n

              \n
            • La parte del processo di Machine Learning (ML) inizia qui suddividendo il set di dati in set di training e test, garantendo il mantenimento dell’ordine temporale. Un modello SARIMAX viene adattato ai dati di addestramento, specificando i parametri appropriati come ordine e ordine stagionale in base ai modelli identificati nei dati nel passaggio precedente. Si possono includere anche variabili esogene come condizioni meteorologiche, festivit\u00e0 o eventi che possono influenzare i volumi dei clienti in questa fase. <\/li>\n<\/ul>\n\n\n\n

              Valutazione del modello: <\/strong><\/p>\n\n\n\n

                \n
              • Le prestazioni del modello SARIMAX vengono quindi valutate utilizzando parametri quali errore assoluto medio (MAE), errore quadratico medio (MSE) ed errore quadratico medio radice (RMSE) sul set di test. I volumi di clienti previsti vengono confrontati con i valori effettivi per valutare l’accuratezza del modello. <\/li>\n<\/ul>\n\n\n\n

                Previsione:<\/strong> <\/p>\n\n\n\n

                  \n
                • Il modello SARIMAX addestrato viene quindi utilizzato per generare previsioni per periodi di tempo futuri, catturando le variazioni nei volumi dei clienti. I volumi di clienti previsti vengono visualizzati insieme agli intervalli di previsione per fornire informazioni sull’incertezza associata alle previsioni. <\/li>\n<\/ul>\n\n\n\n

                  Conclusione <\/h2>\n\n\n\n

                  Prevedere parametri importanti nel modo pi\u00f9 accurato possibile \u00e8 fondamentale per prendere decisioni basate sui dati all\u2019interno delle aziende, in particolare quelle del settore della mobilit\u00e0, poich\u00e9 consente l\u2019ottimizzazione delle operazioni e dell\u2019esperienza del cliente. <\/p>\n\n\n\n

                  Sfruttando al massimo gli strumenti a disposizione, in particolare pacchetti come SARIMAX in Python per la previsione delle serie temporali, le aziende di ride-hailing come eCabs possono provare ad anticipare le fluttuazioni della domanda e dell’offerta all’interno di un mercato cos\u00ec volatile.<\/p>\n\n\n\n

                  \"<\/figure>\n\n\n\n

                  Julia \u00e8 Senior Data Analyst presso eCabs Technologies. Ha una laurea in Matematica e Fisica e una laurea magistrale in Apprendimento Automatico, Riconoscimento dei Pattern e Elaborazione di Immagini\/Segnali. I suoi studi l\u2019hanno portata all\u2019Organizzazione Europea per la Ricerca Nucleare, pi\u00f9 comunemente nota come CERN. Qui ha lavorato nell\u2019analisi dei dati grezzi ottenuti dalle collisioni protone-piombo nel pi\u00f9 grande e potente collider di particelle del mondo. Ha lavorato come analista di pagamenti e frodi e ha iniziato la sua carriera di analista dei dati presso una delle \u2018Big Four\u2019. Ha anche ricoperto il ruolo di analista di ricerca e supporto per l\u2019Universit\u00e0 di Oxford. Quando non sta facendo calcoli, la puoi trovare ad arrampicare su pareti rocciose, in palestra o a giocare ai videogiochi.<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"

                  La previsione delle serie temporali svolge un ruolo cruciale in vari settori che vanno dalla finanza alle previsioni meteorologiche.<\/p>\n","protected":false},"author":16,"featured_media":36519,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"inline_featured_image":false,"footnotes":""},"categories":[134],"tags":[133,151],"class_list":["post-36478","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-tech-it","tag-technology-it","tag-ecabs-product-it"],"yoast_head":"\nUtilizzare l'apprendimento automatico per la previsione delle serie temporali con SARIMAX nel Python - eCabs App | Book a ride in minutes | eCabs Malta<\/title>\n<meta name=\"description\" content=\"Come utilizzare SARIMAX insieme alle tecniche di apprendimento automatico per la previsione di serie temporali utilizzando Python.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/ecabs.com.mt\/it\/utilizzare-lapprendimento-automatico-per-la-previsione-delle-serie-temporali-con-sarimax-nel-python\/\" \/>\n<meta property=\"og:locale\" content=\"it_IT\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Utilizzare l'apprendimento automatico per la previsione delle serie temporali con SARIMAX nel Python\" \/>\n<meta property=\"og:description\" content=\"Come utilizzare SARIMAX insieme alle tecniche di apprendimento automatico per la previsione di serie temporali utilizzando Python.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/ecabs.com.mt\/it\/utilizzare-lapprendimento-automatico-per-la-previsione-delle-serie-temporali-con-sarimax-nel-python\/\" \/>\n<meta property=\"og:site_name\" content=\"eCabs App | Book a ride in minutes | eCabs Malta\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/eCabsMalta\" \/>\n<meta property=\"article:published_time\" content=\"2024-04-08T08:09:02+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2024-04-30T11:00:56+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/ecabs.com.mt\/wp-content\/uploads\/2024\/04\/Utilizzare-lapprendimento-automatico-per-la-previsione-delle-serie-temporali.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"2309\" \/>\n\t<meta property=\"og:image:height\" content=\"1299\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Julia Vella\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Scritto da\" \/>\n\t<meta name=\"twitter:data1\" content=\"Julia Vella\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tempo di lettura stimato\" \/>\n\t<meta name=\"twitter:data2\" content=\"6 minuti\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/ecabs.com.mt\/it\/utilizzare-lapprendimento-automatico-per-la-previsione-delle-serie-temporali-con-sarimax-nel-python\/\",\"url\":\"https:\/\/ecabs.com.mt\/it\/utilizzare-lapprendimento-automatico-per-la-previsione-delle-serie-temporali-con-sarimax-nel-python\/\",\"name\":\"Utilizzare l'apprendimento automatico per la previsione delle serie temporali con SARIMAX nel Python - eCabs App | Book a ride in minutes | eCabs Malta\",\"isPartOf\":{\"@id\":\"https:\/\/ecabs.com.mt\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/ecabs.com.mt\/it\/utilizzare-lapprendimento-automatico-per-la-previsione-delle-serie-temporali-con-sarimax-nel-python\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/ecabs.com.mt\/it\/utilizzare-lapprendimento-automatico-per-la-previsione-delle-serie-temporali-con-sarimax-nel-python\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/ecabs.com.mt\/wp-content\/uploads\/2024\/04\/Utilizzare-lapprendimento-automatico-per-la-previsione-delle-serie-temporali.jpg\",\"datePublished\":\"2024-04-08T08:09:02+00:00\",\"dateModified\":\"2024-04-30T11:00:56+00:00\",\"author\":{\"@id\":\"https:\/\/ecabs.com.mt\/#\/schema\/person\/4a0bf13612a7ab697ce13b5f52ac7d85\"},\"description\":\"Come utilizzare SARIMAX insieme alle tecniche di apprendimento automatico per la previsione di serie temporali utilizzando Python.\",\"breadcrumb\":{\"@id\":\"https:\/\/ecabs.com.mt\/it\/utilizzare-lapprendimento-automatico-per-la-previsione-delle-serie-temporali-con-sarimax-nel-python\/#breadcrumb\"},\"inLanguage\":\"it-IT\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/ecabs.com.mt\/it\/utilizzare-lapprendimento-automatico-per-la-previsione-delle-serie-temporali-con-sarimax-nel-python\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"it-IT\",\"@id\":\"https:\/\/ecabs.com.mt\/it\/utilizzare-lapprendimento-automatico-per-la-previsione-delle-serie-temporali-con-sarimax-nel-python\/#primaryimage\",\"url\":\"https:\/\/ecabs.com.mt\/wp-content\/uploads\/2024\/04\/Utilizzare-lapprendimento-automatico-per-la-previsione-delle-serie-temporali.jpg\",\"contentUrl\":\"https:\/\/ecabs.com.mt\/wp-content\/uploads\/2024\/04\/Utilizzare-lapprendimento-automatico-per-la-previsione-delle-serie-temporali.jpg\",\"width\":2309,\"height\":1299,\"caption\":\"Utilizzare l'apprendimento automatico per la previsione delle serie temporali\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/ecabs.com.mt\/it\/utilizzare-lapprendimento-automatico-per-la-previsione-delle-serie-temporali-con-sarimax-nel-python\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/ecabs.com.mt\/it\/homepage\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Utilizzare l’apprendimento automatico per la previsione delle serie temporali con SARIMAX nel Python\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/ecabs.com.mt\/#website\",\"url\":\"https:\/\/ecabs.com.mt\/\",\"name\":\"eCabs App | Book a ride in minutes | eCabs Malta\",\"description\":\"eCabs is Malta\u2019s leading cab company with a large fleet of taxis taking bookings 24\/7 through App, Web or by calling on 21383838\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/ecabs.com.mt\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"it-IT\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/ecabs.com.mt\/#\/schema\/person\/4a0bf13612a7ab697ce13b5f52ac7d85\",\"name\":\"Julia Vella\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"it-IT\",\"@id\":\"https:\/\/ecabs.com.mt\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/a93fb50a4b16d48bcba0cde4c21ea4fa?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/a93fb50a4b16d48bcba0cde4c21ea4fa?s=96&d=mm&r=g\",\"caption\":\"Julia Vella\"},\"description\":\"Julia is Senior Data Analyst at eCabs Technologies. She has a Bachelor\u2019s degree in Mathematics and Physics and a Master\u2019s degree in Machine Learning, Pattern Recognition and Image\/Signal Processing. Her studies have taken her to the European Organisation for Nuclear Research, more commonly known as CERN. Here, she worked on analysing raw data obtained from proton-lead collisions at the world\u2019s largest and highest-energy particle collider. She has worked as a payment and fraud analyst, and kicked off her data analyst career at a Big Four firm. She also filled the shoes of a research and support analyst for Oxford University. When she\u2019s not crunching numbers you can find her climbing cliff faces, at the gym, or gaming.\",\"sameAs\":[\"https:\/\/www.linkedin.com\/in\/joul3s\/\"],\"knowsAbout\":[\"Data analysis\",\"machine learning\"],\"jobTitle\":\"Senior Marketing Data Analyst\",\"worksFor\":\"eCabs Technologies\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Utilizzare l'apprendimento automatico per la previsione delle serie temporali con SARIMAX nel Python - eCabs App | Book a ride in minutes | eCabs Malta","description":"Come utilizzare SARIMAX insieme alle tecniche di apprendimento automatico per la previsione di serie temporali utilizzando Python.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/ecabs.com.mt\/it\/utilizzare-lapprendimento-automatico-per-la-previsione-delle-serie-temporali-con-sarimax-nel-python\/","og_locale":"it_IT","og_type":"article","og_title":"Utilizzare l'apprendimento automatico per la previsione delle serie temporali con SARIMAX nel Python","og_description":"Come utilizzare SARIMAX insieme alle tecniche di apprendimento automatico per la previsione di serie temporali utilizzando Python.","og_url":"https:\/\/ecabs.com.mt\/it\/utilizzare-lapprendimento-automatico-per-la-previsione-delle-serie-temporali-con-sarimax-nel-python\/","og_site_name":"eCabs App | Book a ride in minutes | eCabs Malta","article_publisher":"https:\/\/www.facebook.com\/eCabsMalta","article_published_time":"2024-04-08T08:09:02+00:00","article_modified_time":"2024-04-30T11:00:56+00:00","og_image":[{"width":2309,"height":1299,"url":"https:\/\/ecabs.com.mt\/wp-content\/uploads\/2024\/04\/Utilizzare-lapprendimento-automatico-per-la-previsione-delle-serie-temporali.jpg","type":"image\/jpeg"}],"author":"Julia Vella","twitter_card":"summary_large_image","twitter_misc":{"Scritto da":"Julia Vella","Tempo di lettura stimato":"6 minuti"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/ecabs.com.mt\/it\/utilizzare-lapprendimento-automatico-per-la-previsione-delle-serie-temporali-con-sarimax-nel-python\/","url":"https:\/\/ecabs.com.mt\/it\/utilizzare-lapprendimento-automatico-per-la-previsione-delle-serie-temporali-con-sarimax-nel-python\/","name":"Utilizzare l'apprendimento automatico per la previsione delle serie temporali con SARIMAX nel Python - eCabs App | Book a ride in minutes | eCabs Malta","isPartOf":{"@id":"https:\/\/ecabs.com.mt\/#website"},"primaryImageOfPage":{"@id":"https:\/\/ecabs.com.mt\/it\/utilizzare-lapprendimento-automatico-per-la-previsione-delle-serie-temporali-con-sarimax-nel-python\/#primaryimage"},"image":{"@id":"https:\/\/ecabs.com.mt\/it\/utilizzare-lapprendimento-automatico-per-la-previsione-delle-serie-temporali-con-sarimax-nel-python\/#primaryimage"},"thumbnailUrl":"https:\/\/ecabs.com.mt\/wp-content\/uploads\/2024\/04\/Utilizzare-lapprendimento-automatico-per-la-previsione-delle-serie-temporali.jpg","datePublished":"2024-04-08T08:09:02+00:00","dateModified":"2024-04-30T11:00:56+00:00","author":{"@id":"https:\/\/ecabs.com.mt\/#\/schema\/person\/4a0bf13612a7ab697ce13b5f52ac7d85"},"description":"Come utilizzare SARIMAX insieme alle tecniche di apprendimento automatico per la previsione di serie temporali utilizzando Python.","breadcrumb":{"@id":"https:\/\/ecabs.com.mt\/it\/utilizzare-lapprendimento-automatico-per-la-previsione-delle-serie-temporali-con-sarimax-nel-python\/#breadcrumb"},"inLanguage":"it-IT","potentialAction":[{"@type":"ReadAction","target":["https:\/\/ecabs.com.mt\/it\/utilizzare-lapprendimento-automatico-per-la-previsione-delle-serie-temporali-con-sarimax-nel-python\/"]}]},{"@type":"ImageObject","inLanguage":"it-IT","@id":"https:\/\/ecabs.com.mt\/it\/utilizzare-lapprendimento-automatico-per-la-previsione-delle-serie-temporali-con-sarimax-nel-python\/#primaryimage","url":"https:\/\/ecabs.com.mt\/wp-content\/uploads\/2024\/04\/Utilizzare-lapprendimento-automatico-per-la-previsione-delle-serie-temporali.jpg","contentUrl":"https:\/\/ecabs.com.mt\/wp-content\/uploads\/2024\/04\/Utilizzare-lapprendimento-automatico-per-la-previsione-delle-serie-temporali.jpg","width":2309,"height":1299,"caption":"Utilizzare l'apprendimento automatico per la previsione delle serie temporali"},{"@type":"BreadcrumbList","@id":"https:\/\/ecabs.com.mt\/it\/utilizzare-lapprendimento-automatico-per-la-previsione-delle-serie-temporali-con-sarimax-nel-python\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/ecabs.com.mt\/it\/homepage\/"},{"@type":"ListItem","position":2,"name":"Utilizzare l’apprendimento automatico per la previsione delle serie temporali con SARIMAX nel Python"}]},{"@type":"WebSite","@id":"https:\/\/ecabs.com.mt\/#website","url":"https:\/\/ecabs.com.mt\/","name":"eCabs App | Book a ride in minutes | eCabs Malta","description":"eCabs is Malta\u2019s leading cab company with a large fleet of taxis taking bookings 24\/7 through App, Web or by calling on 21383838","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/ecabs.com.mt\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"it-IT"},{"@type":"Person","@id":"https:\/\/ecabs.com.mt\/#\/schema\/person\/4a0bf13612a7ab697ce13b5f52ac7d85","name":"Julia Vella","image":{"@type":"ImageObject","inLanguage":"it-IT","@id":"https:\/\/ecabs.com.mt\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/a93fb50a4b16d48bcba0cde4c21ea4fa?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/a93fb50a4b16d48bcba0cde4c21ea4fa?s=96&d=mm&r=g","caption":"Julia Vella"},"description":"Julia is Senior Data Analyst at eCabs Technologies. She has a Bachelor\u2019s degree in Mathematics and Physics and a Master\u2019s degree in Machine Learning, Pattern Recognition and Image\/Signal Processing. Her studies have taken her to the European Organisation for Nuclear Research, more commonly known as CERN. Here, she worked on analysing raw data obtained from proton-lead collisions at the world\u2019s largest and highest-energy particle collider. She has worked as a payment and fraud analyst, and kicked off her data analyst career at a Big Four firm. She also filled the shoes of a research and support analyst for Oxford University. When she\u2019s not crunching numbers you can find her climbing cliff faces, at the gym, or gaming.","sameAs":["https:\/\/www.linkedin.com\/in\/joul3s\/"],"knowsAbout":["Data analysis","machine learning"],"jobTitle":"Senior Marketing Data Analyst","worksFor":"eCabs Technologies"}]}},"_links":{"self":[{"href":"https:\/\/ecabs.com.mt\/it\/wp-json\/wp\/v2\/posts\/36478","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ecabs.com.mt\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/ecabs.com.mt\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/ecabs.com.mt\/it\/wp-json\/wp\/v2\/users\/16"}],"replies":[{"embeddable":true,"href":"https:\/\/ecabs.com.mt\/it\/wp-json\/wp\/v2\/comments?post=36478"}],"version-history":[{"count":24,"href":"https:\/\/ecabs.com.mt\/it\/wp-json\/wp\/v2\/posts\/36478\/revisions"}],"predecessor-version":[{"id":36526,"href":"https:\/\/ecabs.com.mt\/it\/wp-json\/wp\/v2\/posts\/36478\/revisions\/36526"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/ecabs.com.mt\/it\/wp-json\/wp\/v2\/media\/36519"}],"wp:attachment":[{"href":"https:\/\/ecabs.com.mt\/it\/wp-json\/wp\/v2\/media?parent=36478"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/ecabs.com.mt\/it\/wp-json\/wp\/v2\/categories?post=36478"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/ecabs.com.mt\/it\/wp-json\/wp\/v2\/tags?post=36478"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}