Beschreibung
Zeitreihenanalyse: Methoden und Anwendungen
Die Teilnehmenden lernen die Grundlagen und fortgeschrittenen Methoden der Zeitreihenanalyse kennen. Das Seminar umfasst Datenvorbereitung, deskriptive Statistik, Modellierungstechniken wie ARIMA, SARIMA und GARCH, sowie Machine Learning-Ansätze zur Vorhersage von Zeitreihen. Praktische Anwendungen und Best Practices helfen den Teilnehmenden, das Gelernte direkt umzusetzen.Kommende Starttermine
Inhalte / Module
- Einführung in die Zeitreihenanalyse
- Definition und Konzepte: Erklärung, was Zeitreihen sind, und die Bedeutung der Zeitreihenanalyse in verschiedenen Anwendungsbereichen.
- Komponenten von Zeitreihen: Besprechung der Hauptkomponenten einer Zeitreihe wie Trend, Saisonalität, Zyklus und Zufallsschwankungen.
- Datenvorbereitung und Visualisierung
- Datensammlung und Vorverarbeitung: Methoden zur Sammlung und Vorverarbeitung von Zeitreihendaten, einschließlich Umgang mit fehlenden Werten und Anomalien.
- Visualisierungstechniken: Nutzung von Bibliotheken wie Matplotlib und Seaborn zur Visualisierung von Zeitreihendaten, um Muster und Trends zu identifizieren.
- Deskriptive Statistik und Explorative Datenanalyse (EDA)
- Grundlegende statistische Kennzahlen: Berechnung und Interpretation von Kennzahlen wie Mittelwert, Median, Varianz und Standardabweichung für Zeitreihendaten.
- Explorative Datenanalyse: Anwendung von EDA-Techniken zur Untersuchung von Zeitreihenmustern und -anomalien, einschließlich Autokorrelation und Saisonalitätsprüfung.
- Gleitende Durchschnitte und Glättungstechniken
- Gleitende Durchschnitte: Einführung und Berechnung gleitender Durchschnitte zur Glättung von Zeitreihen und zur Identifikation von Trends.
- Exponentielle Glättung: Erklärung der einfachen und doppelten exponentiellen Glättung zur Modellierung von Trends und Saisonalitäten.
- Stationarität und Transformationen
- Prüfung der Stationarität: Methoden zur Prüfung der Stationarität von Zeitreihen, wie der Augmented-Dickey-Fuller-Test.
- Transformationstechniken: Anwendung von Transformationstechniken wie Differenzierung und Log-Transformation zur Erzielung von Stationarität.
- ARIMA-Modelle (Autoregressive Integrated Moving Average)
- Einführung in ARIMA: Erklärung der Komponenten von ARIMA-Modellen (AR, I, MA) und deren Bedeutung.
- Modellidentifikation und -schätzung: Schritte zur Identifikation und Schätzung der Parameter eines ARIMA-Modells, einschließlich Nutzung des ACF- und PACF-Diagramms.
- Saisonale Modelle (SARIMA)
- Einführung in SARIMA: Erweiterung von ARIMA-Modellen zur Berücksichtigung von Saisonalitäten; Erklärung der zusätzlichen Parameter.
- Modellanpassung und -bewertung: Schritte zur Anpassung und Bewertung von SARIMA-Modellen zur Vorhersage saisonaler Zeitreihen.
- GARCH-Modelle (Generalized Autoregressive Conditional Heteroskedasticity)
- Einführung in GARCH: Erklärung von GARCH-Modellen zur Modellierung von Volatilität in Zeitreihen.
- Anwendung von GARCH: Schritte zur Schätzung und Interpretation von GARCH-Modellen; Beispiele aus Finanzzeitreihen.
- Machine Learning Methoden für Zeitreihen
- Regressions- und Klassifikationsansätze: Nutzung von Regressions- und Klassifikationsmethoden wie LSTM und Random Forest zur Vorhersage von Zeitreihen.
- Hyperparameter-Optimierung: Techniken zur Optimierung der Hyperparameter von Machine Learning-Modellen zur Verbesserung der Vorhersagegenauigkeit.
- Praxisbeispiele und Implementierung
- Implementierung eines Beispielprojekts: Durchführung eines Projekts zur Anwendung der erlernten Techniken und Methoden auf reale Zeitreihendaten; Schritt-für-Schritt-Anleitung von der Datenvorbereitung bis zur Modellbewertung.
- Erfahrungsberichte und Best Practices: Präsentation realer Fallstudien und Best Practices zur erfolgreichen Implementierung von Zeitreihenanalyseprojekten in verschiedenen Anwendungsbereichen.
Zielgruppe / Voraussetzungen
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.