Kontakt aufnehmen

Schulungsübersicht

Einführung in die Zeitreihenanalyse

  • Überblick über Zeitreihendaten
  • Komponenten einer Zeitreihe: Trend, Saisonalität, Rauschen
  • Einrichten von Google Colab für die Zeitreihenanalyse

Explorative Datenanalyse für Zeitreihen

  • Visualisierung von Zeitreihendaten
  • Zerlegung der Zeitreihenkomponenten
  • Erkennen von Saisonalität und Trends

ARIMA-Modelle für die Zeitreihenprognose

  • Verständnis des ARIMA-Modells (AutoRegressive Integrated Moving Average)
  • Auswahl der Parameter für ARIMA-Modelle
  • Implementierung von ARIMA-Modellen in Python

Einführung in Prophet für die Zeitreihenprognose

  • Überblick über Prophet zur Zeitreihenprognose
  • Implementierung von Prophet-Modellen in Google Colab
  • Berücksichtigung von Feiertagen und besonderen Ereignissen bei Prognosen

Fortgeschrittene Prognoseverfahren

  • Umgang mit fehlenden Werten in Zeitreihen
  • Multivariate Zeitreihenprognose
  • Anpassung der Prognosen durch externe Regressoren

Bewertung und Feinabstimmung von Prognosemodellen

  • Leistungskennzahlen für die Zeitreihenprognose
  • Feinabstimmung der ARIMA- und Prophet-Modelle
  • Kreuzvalidierung und Backtesting

Praxisnahe Anwendungen der Zeitreihenanalyse

  • Fallbeispiele zur Zeitreihenprognose
  • Praktische Übungen mit realen Datensätzen
  • Nächste Schritte für die Zeitreihenanalyse in Python

Zusammenfassung und Ausblick

Voraussetzungen

  • Fortgeschrittene Kenntnisse in der Python-Programmierung
  • Vertrautheit mit grundlegenden statistischen Methoden und Datenanalyseverfahren

Zielgruppe

  • Data Analysts
  • Data Scientists
  • Fachkräfte, die mit Zeitreihendaten arbeiten
 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (2)

Kommende Kurse

Verwandte Kategorien