Python 시계열 분석 가이드: ARIMA, SARIMA, Prophet 실전 예측 튜토리얼
Python으로 ARIMA, SARIMA, Prophet 시계열 예측 모델을 단계별로 구축합니다. 정상성 검정부터 ACF/PACF 분석, 모델 진단, 교차검증, 성능 비교까지 실전 코드와 함께 다루는 실무 중심 가이드입니다.
Priya is a senior data engineer with 11 years building analytics platforms, most recently at Stripe where she led the migration of the merchant analytics pipeline from pandas to polars (cut p95 batch latency from 42 minutes to under 6). Before Stripe she spent four years at Mode Analytics writing the query engine that powered customer dashboards, and two years at Etsy on the seller-insights team. She writes mainly about polars internals, lazy evaluation patterns, and the practical edges of moving production pandas code to polars without breaking analyst muscle memory. Her side project is a 12k-row benchmark suite comparing pandas 2.x, polars, and DuckDB across realistic e-commerce joins. Priya lives in Oakland, mentors through Women in Data, and is slowly learning to play go.
Python으로 ARIMA, SARIMA, Prophet 시계열 예측 모델을 단계별로 구축합니다. 정상성 검정부터 ACF/PACF 분석, 모델 진단, 교차검증, 성능 비교까지 실전 코드와 함께 다루는 실무 중심 가이드입니다.
NumPy 2.4의 핵심 변경사항을 실전 코드와 함께 정리합니다. 프리 스레딩 Python 공식 지원, 해시 기반 unique 15배 속도 향상, ndmax 파라미터, same_value 캐스팅 등 2.0부터 2.4까지의 마이그레이션 가이드를 다룹니다.
Polars는 Rust 기반의 차세대 데이터프레임 라이브러리로, pandas 대비 최대 20배 빠른 성능을 제공합니다. 표현식 시스템, 지연 평가, 스트리밍 엔진, GPU 가속 등 핵심 기능을 실전 코드와 함께 알아보세요.