Beschreibung
Machine Learning und Deep Learning Verfahren zur Analyse und Prognose von Zeitreihen und Prozessdaten
Zielgruppe: Nur für Unternehmen und Institutionen.Die Zeitreihenanalyse und -prognose hat sich in den letzten Jahren zu einem besonders wichtigen Bereich entwickelt. Es gibt unzählige praktische Anwendungen, darunter Wettervorhersagen, Umsatzprognosen, Klimaprognosen, Wirtschaftsprognosen, Prognosen für das Gesundheitswesen, technische Prognosen, Finanzprognosen, Prognosen für den Einzelhandel, Geschäftsprognosen, Prognosen für Umweltstudien, Prognosen für Sozialstudien und vieles mehr.
Im Grunde kann jeder, der über konsistente historische Daten verfügt, diese Daten mit Methoden der Zeitreihenanalyse analysieren und dann Modelle, Prognosen und Vorhersagen erstellen. COVID-19 hat uns gezeigt, dass Prognosen ein wichtiges Instrument für Entscheidungen im Bereich der öffentlichen Gesundheit sind. Unternehmen werden immer effizienter und prognostizieren ihre Bestände und ihren operativen Bedarf im Voraus.
Zeitreihen und Prozessdaten entstehen im Zuge der Digitalisierung der Wirtschaft und der Produktion in einer Vielzahl von Bereichen. Der Wert solcher Daten liegt im zeitlichen Charakter der aufgezeichneten Informationen. Messwerte einer Zeitreihe informieren nicht nur über gegenwärtige Zustände, sie bilden auch fortlaufende Prozesse ab, die sich unter bestimmten Bedingungen in die Zukunft fortschreiben lassen und aus denen sich Prognosen für die Zukunft ableiten lassen:
- Sensordaten, die den Verschleiß eines oder mehrerer Teile in einer Produktionsmaschine ankündigen (vorbeugende Wartung).
- Die Historie der Verkaufszahlen eines Produkts, die Auskunft über notwendige Lagerbestände gibt, um die Kapitalbindungskosten zu minimieren.
- Den Verlauf des Kurses einer Aktie
Kommende Starttermine
Inhalte / Module
- Strukturierung und Vorbereitung von Zeitreihendaten
- Laden von Daten und grundlegende Datenverarbeitung mit Pandas
- Lückenlose Zeitreihen erstellen
- Mit gleitenden Mittelwerten arbeiten (rolling/moving means)
- Strategien zur Behandlung fehlender Werte
- Zeitfenster definieren und extrahieren
- Graphische Darstellung von Zeitreihen mit Matplotlib
- Anwendung klassischer Machine Learning Verfahren auf Zeitreihen
- Hintergrund: Klassifizierungs- und Schätzverfahren
- Lineare Regression
- Logistische Regression und Softmax
- Polynomiale Regression
- Workflow: Trainings-/Testdaten, Daten extrahieren, speichern und laden angelernter Modelle
- Spezielle Verfahren zur Vorhersage des zukünftigen Verlaufs einer Zeitreihe
- Komponenten einer Zeitreihe: Saison, Trend & Residuen
- Zeitreihen stationär machen
- Autokorrelation und partielle Autokorrelation
- Trends und Saisonale Effekte behandeln
- Integrierte Modelle zur Prognose des Verlaufs in der Zukunft: ARMA und Seasonal ARIMA
- Deep Learning für Zeitreihen
- Zeitreihenklassifikation
- Multivariate Zeitreihenanalyse
- Neuronale Netze für Zeitreihen
- Hintergrund Deep Learning und rekurrente Netze
- Deep-Learning Verfahren mit Keras anwenden
- Aufbau und Funktionsweise rekurrenter neuronaler Netze (RNN) für Zeitreihen
- Vorbereitung der Daten und Training mit LSTM/GRU
- Transformer für Zeitreihen
- Evaluation trainierter Modelle
- Overfitting verhindern
- Mit Generatoren trainieren
- Facebook Prophet
- Theorie und Intuition hinter Facebook Prophet
- Facebook Prophet + XGBoost
- Aufbereitung der Daten für Facebook Prophet
- Erstellen und Trainieren von Zeitreihenmodellen
- Amazon DeepAR
Zielgruppe / Voraussetzungen
- Unternehmensanalysten, die ihre Prognosefähigkeiten und -techniken verbessern möchten.
- IT-Fachleute, die an der Umsetzung von Zeitreihenanalysen und Prognosen auf Geschäftsprobleme interessiert sind.
- Marketingfachleute, die die zukünftige Nachfrage nach Produkten oder Dienstleistungen prognostizieren möchten.
- Finanzanalysten, die zukünftige Trends und Leistungen für Unternehmen prognostizieren möchten.
- Betriebsleiter:innen, die die Bedarfsplanung und -prognose für ihr Unternehmen verbessern möchten.
- Grundkenntnisse Python wären von Vorteil
Hinweis: Dieser Kurs richtet sich an Mitarbeitende aus Unternehmen und Institutionen.
Für Privatpersonen ist dieser Kurs leider nicht geeignet.
Bitte beachten Sie: Bildungsgutscheine der Agentur für Arbeit werden für diesen Kurs NICHT anerkannt.
Abschlussqualifikation / Zertifikat
Infos anfordern
GFU Cyrus AG
Erweitern Sie Ihre IT-Skills mit einem offenen IT-Training oder ganz nach Ihren Bedürfnissen durch eine individuelle IT-Schulung. Programmiersprachen (C#, Python, Java, …), Microsoft Office 365, Anforderungsmanagement, Projektmanagement, Business Intelligence, Data Science, Künstliche Intelligenz, IT-Sicherheit , Administration & Datenbanken, Softwareentwicklung, Testmanagement...
Erfahren Sie mehr über GFU Cyrus AG und weitere Kurse des Anbieters.
Bewertungen von Teilnehmern
Bewertungsdurchschnitt: 4,5
Das Seminar ist von hoher Qualität und bietet mehr als die Liste der Inhalte, was ich sehr schätze.
Das Seminar hat meine Erwartungen übertroffen.
Die Materialien waren intuitiv...
Das Seminar hat meine Erwartungen entsprochen und die Inhalte sind gut vermittelt worden.
Das Seminar war insgesamt sehr hilfreich für das allgemeine Verständnis von Deep Learning. Besonders die Übertragung von bestehenden Techniken auf Zeitreihen hat mir gut gefalle...