Time Series Analysis with RapidMiner

nicht mehr verfügbar

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

Windowing und Predictive Modeling mit konventionellen maschinellen Lernalgorithmen

Überlegungen zu anderen Zeitreihendaten

Tags