Analiza serii czasowych w Pythonie z wykorzystaniem danych obserwacji Ziemi
Satelity umożliwiają więcej niż obserwację tego, co znajduje się na powierzchni Ziemi. Zbiory zdjęć, wykonywanych cyklicznie przy każdym przelocie satelity, układają się w szeregi czasowe. Obserwowana jest zmienność środowiska, jak i infrastruktury. Dobór zobrazowań, narzędzi do ich przetwarzania oraz modelu umożliwiającego analizę interesującego zjawiska to wszystko, co jest potrzebne ekspertowi Data Science do predykcji przyszłości. W artykule przedstawiono kroki potrzebne do zbudowania modelu prognostycznego dla zmiennej meteorologicznej nazywanej Land Surface Temperature (temperatura powierzchni obiektów na Ziemi) przy użyciu Pythona i jego bibliotek. Wiedza zawarta w tekście pozwoli czytelnikowi na wyprowadzenie własnych modeli dla serii czasowych charakteryzujących się sezonowością.