Cursusaanbod

ARIMA-modellen voor tijdsreeksen Forecasting

Geavanceerde Forecasting technieken

Evaluatie en verfijning van voorspellingsmodellen

Exploratoire Data Analysis voor tijdsreeksen

Inleiding tot Prophet voor tijdsreeksen Forecasting

Inleiding tot tijdsreeksenanalyse

Praktische toepassingen van tijdsreeksenanalyse

Samenvatting en volgende stappen

  • Casestudies van tijdsreeksenvoorspelling
  • Praktische oefeningen met echte datasetten
  • Volgende stappen voor tijdsreeksenanalyse in Python
  • Omgaan met ontbrekende gegevens in tijdsreeksen
  • Multivariate tijdsreeksenvoorspelling
  • Aanpassen van voorspellingen met externe regressoren
  • Overzicht van Prophet voor tijdsreeksenvoorspelling
  • Implementeren van Prophet-modellen in Google Colab
  • Omgaan met feestdagen en speciale evenementen in voorspellingen
  • Overzicht van tijdsreeksendata
  • Componenten van tijdsreeksen: trend, seizoensgevoeligheid, ruis
  • Instellen van Google Colab voor tijdsreeksenanalyse
  • Prestatiemetrieken voor tijdsreeksenvoorspelling
  • Verfijnen van ARIMA- en Prophet-modellen
  • Kruisvalidatie en backtesting
  • Begrijpen van ARIMA (AutoRegressive Integrated Moving Average)
  • Kies parameters voor ARIMA-modellen
  • Implementeren van ARIMA-modellen in Python
  • Visualiseren van tijdsreeksendata
  • Ontbinden van tijdsreekscomponenten
  • Ontdekken van seizoensgevoeligheid en trends

Vereisten

Publiek

  • Data-analisten
  • Datawetenschappers
  • Professionals die werken met tijdsreeksdata
  • Intermediaire kennis van Python programmeren
  • Vertrouwdheid met basisstatistiek en data-analyse technieken
 21 Uren

Aantal deelnemers


Prijs Per Deelnemer

Testimonials (5)

Voorlopige Aankomende Cursussen

Gerelateerde categorieën