Kontakt aufnehmen

Schulungsübersicht

Einführung in die Zeitreihenanalyse

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

Explorative Datenanalyse für Zeitreihen

  • Visualisierung von Zeitreihendaten
  • Zerlegung der Komponenten von Zeitreihen
  • Erkennen von Saisonalität und Trends

ARIMA-Modelle für die Zeitreihenprognose

  • Verständnis von ARIMA (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 für die Zeitreihenprognose
  • Implementierung von Prophet-Modellen in Google Colab
  • Umgang mit Feiertagen und besonderen Ereignissen in der Prognose

Fortgeschrittene Prognosetechniken

  • Behandlung fehlender Daten in Zeitreihen
  • Multivariate Zeitreihenprognose
  • Anpassung von Prognosen mit externen Regressoren

Bewertung und Feinabstimmung von Prognosemodellen

  • Leistungskennzahlen für Zeitreihenprognosen
  • Feinabstimmung von ARIMA- und Prophet-Modellen
  • Kreuzvalidierung und Backtesting

Praktische Anwendungen der Zeitreihenanalyse

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

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Fortgeschrittene Kenntnisse in der Python-Programmierung
  • Vertrautheit mit grundlegender Statistik und Datenanalysetechniken

Zielgruppe

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

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (3)

Kommende Kurse

Verwandte Kategorien