Zeitreihenanalyse in R

Beschreibung

In diesem Methodentraining werden sowohl die klassischen Methoden als auch Machine Learning Ansätze zur Zeitreihenanalyse besprochen. Lernen Sie  zunächst die Grundbegriffe der Zeitreihenanalyse sicher anzuwenden und die zentralen Objekte kennen, mit denen Zeitreihenanalysen in R durchgeführt werden. Auf dieser Basis werden die klassischen Verfahren der Zeitreihenanalyse theoretisch eingeleitet, an Beispieldaten (Kursverläufe, Bevölkerungszahlen, Devisen etc.) direkt in R vorgeführt und in kleinen Übungen durch die Teilnehmer ausprobiert.

Wer sollte teilnehmen?

Data Scientists, Datenanalysten, Statistiker, Mathematiker, Researcher.

Grundlegende Programmiererfahrung in R sollte vorhanden sein.

Lernziele

  • Das Themengebiet „Zeitreihenanalyse“, dessen Grundbegriffe und Verfahren kennenlernen und verstehen
  • Klassische Methoden und Machine Learning Ansätze zur Zeitreihenanalyse kennenlernen
  • R-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 R
  • Typisierung von Zeitreihen
    • Untersuchung auf determistischen- 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
  • 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

  • Der 3. Teilnehmer einer Anmeldung nimmt kostenfrei teil
  • Rechnungsstellung erfolgt nach der Veranstaltung