Willkommen in der Welt der Zeitreihenanalyse: In dieser praxisnahen Schulung lernen Teilnehmende, wie sie Herausforderungen bei der Analyse von Zeitreihendaten meistern. Mit Methoden wie dem ARIMA-Modell, neuronalen Netzen und Anomalieerkennung lassen sich wertvolle Erkenntnisse aus komplexen Daten gewinnen. Teilnehmende schließen die Schulung mit einer Zertifikatsprüfung ab und erweitern ihre Fähigkeiten als Data Scientist, Analystin oder Analyst.
Verschleiß an Maschinenteilen, der Kundenweg durch einen Online-Shop und Muster in der Aktivierung von Gehirnzellen sind Beispiele für Phänomene, die mit Zeitreihen untersucht werden. In der Praxis gibt es spezifische Daten, vor allem in Bezug auf Zeitreihen, die Analystinnen und Analysten vor Herausforderungen stellen können: So können Fehler auftreten, wenn es beispielsweise um die Zuordnung von Temperaturen zu bestimmten Uhrzeiten geht. Es ist klar, dass die Temperaturen um 12:00 Uhr und 12:01 Uhr nicht komplett unabhängig voneinander sind, bei der Datenanalyse kann dies allerdings zum Problem werden. Um mit Herausforderungen wie diesen umzugehen, lernen Teilnehmende in dieser Schulung wichtige Methoden zum Analysieren von Zeitreihendaten kennen. An praxisnahen Aufgaben und Beispielen lernen Teilnehmende die Methoden
...
afficher plus
Willkommen in der Welt der Zeitreihenanalyse: In dieser praxisnahen Schulung lernen Teilnehmende, wie sie Herausforderungen bei der Analyse von Zeitreihendaten meistern. Mit Methoden wie dem ARIMA-Modell, neuronalen Netzen und Anomalieerkennung lassen sich wertvolle Erkenntnisse aus komplexen Daten gewinnen. Teilnehmende schließen die Schulung mit einer Zertifikatsprüfung ab und erweitern ihre Fähigkeiten als Data Scientist, Analystin oder Analyst.
Verschleiß an Maschinenteilen, der Kundenweg durch einen Online-Shop und Muster in der Aktivierung von Gehirnzellen sind Beispiele für Phänomene, die mit Zeitreihen untersucht werden. In der Praxis gibt es spezifische Daten, vor allem in Bezug auf Zeitreihen, die Analystinnen und Analysten vor Herausforderungen stellen können: So können Fehler auftreten, wenn es beispielsweise um die Zuordnung von Temperaturen zu bestimmten Uhrzeiten geht. Es ist klar, dass die Temperaturen um 12:00 Uhr und 12:01 Uhr nicht komplett unabhängig voneinander sind, bei der Datenanalyse kann dies allerdings zum Problem werden. Um mit Herausforderungen wie diesen umzugehen, lernen Teilnehmende in dieser Schulung wichtige Methoden zum Analysieren von Zeitreihendaten kennen. An praxisnahen Aufgaben und Beispielen lernen Teilnehmende die Methoden anzuwenden. Die Schulung schließt an Tag 3 mit einer 1-stündigen Prüfung ab, durch die die Teilnehmenden ein Zertifikat erwerben.
Programm
Tag 1
- Einführung in zeitreihenspezifische Datenanalyse
- Deskriptive und klassische Methoden
- Zeitreihenklassifikation
- ARIMA-Modelle – AutoRegressive Integrated Moving Average
Tag 2
- Multivariate Zeitreihenanalyse
- Anomalieerkennung für Zeitreihen
- Neuronale Netze für Zeitreihen
- RNNs und LSTMs
- Neuronale Netze auf transformierten Zeitreihen
- Attention-Mechanismus
Tag 3
Weitere Informationen zur Anmeldung und zu den Schulungsdozentinnen und -dozenten finden Sie unter https://www.bigdata-ai.fraunhofer.de/de/data-scientist/schulungssuche/zeitreihenanalyse.html#Anmeldung
Die Veranstaltung richtet sich an Data Scientists, Analystinnen und Analysten, die ihre Fähigkeiten zur Auswertung von Zeitreihendaten ausweiten wollen. Softwareentwickler und -entwicklerinnen, die Lösungen für analytische Fragestellungen entwickeln.
Wissenschaftlicher Ansprechpartner:
Niclas Renner
Digital Business Services
IAT der Universität Stuttgart
Allmandring 35
70569 Stuttgart
Telefon +49 711 970-5172
E-Mail: niclas.renner@iat.uni-stuttgart.de
afficher moins
