Time Series Analysis with RapidMiner
Classroom Schulung | Deutsch | Anspruch
Schulungsdauer: 1 Tag
Ziele
In diesem Seminar befassen sich die Teilnehmer mit der Analyse und dem Umgang mit Techniken der Zeitreihen-Datenwissenschaft. Es werden grundlegende Konzepte der Zeitreihenanalyse wie Lagging und Windowing sowie explorative Datenanalyseverfahren wie gleitende Durchschnitte, Integration und Differenzierung vorgestellt. Zudem lernen die Teilnehmer die gängigsten analytischen Methoden zur Modellierung - speziell von Zeitreihendaten wie bspw. ARIMA und saisonalen Prognosen - kennen.
Zielgruppe
- Analysten
- Data Scientists
Voraussetzungen
- Grundlegende Computerprogramm- und Mathematikkenntnisse
- RapidMiner & Data Science: Foundations und RapidMiner & Data Science: Advanced oder RapidMiner Analyst Certification exam
Agenda
Einführung in die Zeitreihendaten
Explorative Datenanalyse für Seriendaten
- Differenzierung
- Gleitende Durchschnitte
- Fourier-Transformation und Logarithmen
- Erweiterte Serientransformationen
Reihenaggregation und -verdichtung mit Windowing
Prädiktive Modellierung mit ARIMA-Methoden
Prädiktive Modellierung mit exponentiell glättenden Prognosemethoden
- Holt Winters für saisonale Anpassungen
Windowing und Predictive Modeling mit konventionellen maschinellen Lernalgorithmen
Überlegungen zu anderen Zeitreihendaten
Ziele
In diesem Seminar befassen sich die Teilnehmer mit der Analyse und dem Umgang mit Techniken der Zeitreihen-Datenwissenschaft. Es werden grundlegende Konzepte der Zeitreihenanalyse wie Lagging und Windowing sowie explorative Datenanalyseverfahren wie gleitende Durchschnitte, Integration und Differenzierung vorgestellt. Zudem lernen die Teilnehmer die gängigsten analytischen Methoden zur Modellierung - speziell von Zeitreihendaten wie bspw. ARIMA und saisonalen Prognosen - kennen.
Zielgruppe
- Analysten
- Data Scientists
Voraussetzungen
- Grundlegende Computerprogramm- und Mathematikkenntnisse
- RapidMiner & Data Science: Foundations und RapidMiner & Data Science: Advanced oder RapidMiner Analyst Certification exam
Agenda
Einführung in die Zeitreihendaten
Explorative Datenanalyse für Seriendaten
- Differenzierung
- Gleitende Durchschnitte
- Fourier-Transformation und Logarithmen
- Erweiterte Serientransformationen
Reihenaggregation und -verdichtung mit Windowing
Prädiktive Modellierung mit ARIMA-Methoden
Prädiktive Modellierung mit exponentiell glättenden Prognosemethoden
- Holt Winters für saisonale Anpassungen