[Chapter1. 시계열 분석 개요]
· 학습 목표
시계열 데이터 분석 및 모델링으로 미래를 예측하고 데이터 기반 의사 결정 능력을 향상시킵니다.
· 주요 내용
1. Sequential Data
2. 시계열 데이터 분석
3. Modeling(통계적, ML/DL 기반 시계열 모델링)

[Chapter2. Baseline 모델 생성 및 평가]
· 학습 목표
시계열 데이터의 전처리와 기본 모델 생성 후 평가를 통해 모델의 성능을 확인합니다.
· 주요 내용
1. 전처리
2. Baseline 모델
3. 시계열 절차
4. 시계열 모델평가(잔차분석/ML Metric)

[Chapter3. 통계적 모델링(SARIMA)]
· 학습 목표
SARIMAX 모델을 사용하여 통계적 시계열 모델링을 수행합니다.
· 주요 내용
1. Modeling(통계적 시계열 모델링)
2. SARIMAX 모형

[Chapter4. ML 모델링(with feature engineering)]
· 학습 목표
시간 요소를 추출하여 특성 엔지니어링을 수행하고 ML 모델을 기반으로 한 시계열 모델링을 진행합니다.
· 주요 내용
1. 날짜요소 뽑기
2. 시간에 따른 흐름 추출하기
3. y에 따른 흐름
4. Modeling - ML 기반 시계열 모델링

[Chapter5. DL 시계열 모델링(RNN, LSTM, CNN)]
· 학습 목표
RNN, LSTM, CNN을 활용한 DL 기반 시계열 모델링 방법을 학습합니다.
· 주요 내용
1. DL 기반 시계열 모델링 방법
2. RNN
3. LSTM
4. CNN

[Chapter6. 비즈니스 관점 평가]
· 학습 목표
회귀모델을 활용한 수요량 예측의 비즈니스적 평가를 학습합니다.
· 주요 내용
1. 회귀모델에 대한 비즈니스 평가
2. 수요량 예측 평가