Zeitreihenanalyse mit Python

Beschreibung

In diesem Methodentraining werden die klassischen Aufgaben im Bereich der Zeitreihenanalyse besprochen.

Lernen Sie zunächst mit den Grundbegriffen der Zeitreihenanalyse sicher umzugehen und verwenden Sie anschließend Python, um Zeitreihenobjekte zu erstellen und typische Datenmanagementaufgaben mit diesen zu erledigen. Erfahren Sie dabei, wie sie Strings in Zeitreihen umwandeln und Sie Kalenderinformationen extrahieren. Anschließend werden Sie höhere Analysen wie Glättungsverfahren und ARIMA Modelle erstellen, um Zeitreihen zu beschreiben und fortzuschreiben. Die Verfahren werden zunächst theoretisch eingeleitet, anschließend an Beispieldaten (Kursverläufe, Bevölkerungszahlen, Devisen etc.) direkt in Python vorgeführt und abschließend in kleinen Übungen durch die Teilnehmer ausprobiert.

Wer sollte teilnehmen?

Data Scientist, Datenanalysten, Statistiker, Mathematiker, Researcher

Grundlegende Programmiererfahrung in Python sollte vorhanden sein.

Lernziele

  • Das Themengebiet „Zeitreihenanalyse“, dessen Grundbegriffe und Verfahren kennenlernen und verstehen
  • Klassische Methoden zur Zeitreihenanalyse kennenlernen
  • Python-Bibliotheken und Funktionen zum Bearbeiten von Zeitreihen kennenlernen

Inhalte

  • Grundbegriffe der Zeitreihenanalyse
    • Random Walk, Trend, Saisonalität, Residuum, White Noise, Stationarität, Autokorrelation, Partielle Autokorrelation, Einheitswurzel (Unit-Root)
  • Zeitreihenobjekte in Python
  • Typisierung von Zeitreihen
    • Untersuchung auf deterministischen- bzw. stochastischen Trend
  • Stationarisierung von Zeitreihen
    • Differenzieren, Detrending
  • Dekomposition von Zeitreihen
    • Additive vs. Multiplikative Zeitreihen, Saisonalitätsbereinigung, Trendbereinigung
  • Glättung von Zeitreihen
    • Moving Average, exponentielle Glättungsverfahren
  • AR-I-MA Modelle
    • Bestimmung der Terme, Vorhersagen erstellen
  • Ausblick: Machine Learning zur Zeitreihenvorhersage
    • Kreuzvalidierung von Zeitreihen, Prognoseerstellung mittels Neuronaler Netze

Shortfacts

  • Empfohlene Dauer: 1 Tag
  • 2–10 Teilnehmer
  • Kurssprache: Deutsch oder Englisch
  • Preis: Der Tagessatz variiert zwischen Unternehmen und Forschhungseinrichtung. Nehmen Sie Kontakt auf!
  • Training am eigenen Laptop (Softwarevoraussetzungen und Installationsanleitung erhalten Sie im Vorfeld)

Inklusive

  • Teilnehmerzertifikat
  • Umfassende Schulungsunterlagen
  • Veranstaltungsevaluation + Report als PDF

Inhousetraining bei Data-Science-Architect

Prozess

  • Abstimmung der Inhalte
  • Terminfindung
  • Angebotserstellung
  • Online Evaluation der Teilnehmererwartung
  • Ankündigung mit Kursbeschreibung, Softwarevoraussetzung, Installationsanleitung, Timetable & optionaler Möglichkeit zur Vorbereitung
  • Bereitstellung der Kursmaterialien
  • Pro Tag 8×45 Min. Lerneinheiten
  • 30 Min. Open Space pro Tag im Anschluss an die Lerneinheiten
  • Verhältnis von Theorie, Praxis und Übungsphasen nach Absprache
  • Event Evaluation
  • PDF-Report mit Evaluations-Ergebnissen
  • Bereitstellung der im Training erstellten Materialien
  • Feedbackgespräch

Buchung

Sie haben Fragen zu Inhalten oder Ablauf des Trainings? Gerne informiere ich Sie über die Veranstaltung in Detail.