Schulungsübersicht

Einführung in die Zeitreihenanalyse

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

Explorative Data Analysis für Zeitreihen

  • Visualisierung von Zeitreihendaten
  • Zerlegen von Zeitreihenkomponenten
  • Erkennen von Saisonalität und Trends

ARIMA-Modelle für Zeitreihen Forecasting

  • Verstehen von ARIMA (AutoRegressive Integrated Moving Average)
  • Auswahl von Parametern für ARIMA-Modelle
  • Implementierung von ARIMA-Modellen in Python

Einführung in Prophet für Zeitreihen Forecasting

  • Überblick über Prophet für Zeitreihenprognosen
  • Implementierung von Prophet-Modellen in Go ogle Colab
  • Behandlung von Feiertagen und besonderen Ereignissen in der Prognose

Fortgeschrittene Forecasting-Techniken

  • Umgang mit fehlenden Daten in Zeitreihen
  • Multivariate Zeitreihenprognosen
  • Anpassung von Prognosen mit externen Regressoren

Evaluierung und Feinabstimmung von Prognosemodellen

  • Leistungsmetriken 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

  • Mittlere Kenntnisse der Python Programmierung
  • Vertrautheit mit grundlegenden Statistiken und Datenanalysetechniken

Zielgruppe

  • Datenanalysten
  • Datenwissenschaftler
  • Fachleute, die mit Zeitreihendaten arbeiten
 21 Stunden

Teilnehmerzahl


Price per participant (excl. VAT)

Erfahrungsberichte (5)

Kommende Kurse

Verwandte Kategorien