Kontakt aufnehmen

Schulungsübersicht

Einführung in die Zeitanalyse

  • Überblick über Zeitreihendaten
  • Komponenten von Zeitreihen: Trend, Saisonalität und Rauschen
  • Einrichtung von Google Colab für die Zeitanalyse

Explorative Datenanalyse bei Zeitreihen

  • Visualisierung von Zeitreihendaten
  • Zerlegung der Komponenten einer Zeitreihe
  • Erkennung von Saisonalität und Trendverläufen

ARIMA-Modelle zur Vorhersage von Zeitreihen

  • Grundlagen zu ARIMA (AutoRegressive Integrated Moving Average)
  • Auswahl der passenden Parameter für ARIMA-Modelle
  • Implementierung von ARIMA-Modellen in Python

Einführung in Prophet zur Vorhersage von Zeitreihen

  • Grundlagen zu Prophet als Werkzeug zur Zeitanalyse
  • Umsetzung von Prophet-Modellen in Google Colab
  • Berücksichtigung von Feiertagen und besonderen Ereignissen bei Prognosen

Fortgeschrittene Techniken der Prognoseerstellung

  • Umgang mit fehlenden Werten in Zeitreihen
  • Prognosen für multivariaten Zeitreihendaten
  • Individualisierung von Vorhersagen mithilfe externer Regressoren

Bewertung und Optimierung von Prognosemodellen

  • Kennzahlen zur Messung der Qualität von Zeitanalyse-Modellen
  • Anpassung von ARIMA- sowie Prophet-Modellen
  • Durchführung von Kreuzvalidierung und Backtesting

Reale Anwendungsbeispiele der Zeitanalyse

  • Fallstudien zu Prognosen auf Basis realer Daten
  • Übungen anhand konkreter Datensätze aus der Praxis
  • Anschlussmaßnahmen für weitere Arbeiten mit Zeitreihendaten in Python

Zusammenfassung und weitere Schritte

Voraussetzungen

  • Grundlegende Kenntnisse in der Python-Programmierung
  • Vertrautheit mit grundlegenden statistischen Methoden und Datenanalyse-Techniken

Zielgruppe

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

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (3)

Kommende Kurse

Verwandte Kategorien