Data Science / Statistik / Python Software Foundation / Python / Zeitreihenanalyse mit Python

Python - Zeitreihenanalyse mit Python

ID	1252617
Klassenraum	2 Tage 9:00-16:30
Webinar	4 Tage 9:00-12:30
Methode	Vortrag mit Beispielen und Übungen.
Vorwissen	Allgemeine Kenntnisse der Mathematik
Zielgruppe	Datenanalysten

Zeitreihen strukturiert beschreiben und darstellen
Einfache Modelle durch Glättung und Interpolation aufbauen
Deterministische Modelle für Erklärung und Prognose entwickeln
ARIMA-Modelle bestimmen und nutzen

Zeitreihen beschreiben: Beschreiben Sie die innere Struktur von Zeitreihen
Zeitreihen glätten und interpolieren: Glätten Sie Zeitreihen und nutzen Sie die Glättung für Prognosen
Deterministische Modelle aufbauen: Nutzen Sie die Regressionsanalyse, um ein Modell für eine Zeitreihen zu bauen
ARIMA-Modelle erstellen: Verwenden Sie autoregressive Modelle für komplexe Zeitreihenanalyse

Python Zeitreihenanalyse mit Python Training

Beschreibung

Analysieren Sie Zeitreihen in Python mit Hilfe von einfachen Methoden und der komplexen ARIMA-Technik für Erklärung und Prognose.

Spezial

Daten aus Experimenten und Messungen erfolgreich analysieren lernen anhand von Einführungen in die Methodik und konkreten Beispielen

Services

Mittagessen / Catering
Hilfe bei Hotel / Anreise
Comelio-Zertifikat
Flexibel: Bis einen Tag vorher kostenlos stornieren

Übersicht

Python Zeitreihenanalyse mit Python Training Eine Zeitreihe ist eine zeitabhängige Folge von Datenpunkten. Typische Beispiele für Zeitreihen sind makroökonomische Größen, marktbezogene Daten sowie auch technische Messdaten. Die Zeitreihenanalyse beschäftigt sich mit der mathematisch-statistischen Analyse von Zeitreihen und der Vorhersage ihrer künftigen Entwicklung. Sie ist eine Spezialform der Regressionsanalyse. Das Zeitreihenanalyse-Seminar in Python zeigt eine Auswahl an Methoden, Zeitreihenanalysen durchzuführen. Im ersten Teil lernen Sie, wie Sie eine Zeitreihe mit Python beschreiben und in zentralen Kenngrößen zusammenfassen können. Der zweite Teil stellt die univariate Zeitreihenanalyse vor. Sie beinhaltet die Zerlegung einer Zeitreihe sowie die Ableitung von (autoregressiven) Regressionsmodellen mit AR, MA und AR(I)MA-Modellen mit Python-Programmierung.

Termine

Wir überarbeiten gerade unsere Webseite und die Seminare. Neue Termine gibt es erst ab 2025. Wir bieten dieses Seminar weiterhin als Inhouse-Seminar für Sie und Ihr Team an.

Inhalt

Python Zeitreihenanalyse mit Python Seminar

Univariate Beschreibung von Zeitreihen

Schätzung der Momentfunktionen (Erwartungswert, Auto-Kovarianz) - Auto-Korrelation: Lag-Operator, Erstellung und Interpretation des Korrelogramms - Glättung von Zeitreihen: Gleitende Durchschnitte, exponentielles Glätten, Holt-Winters-Methode - Transformation von Zeitreihen durch Filter – Differenzen erster und zweiter Ordnung

Zerlegung von Zeitreihen durch deterministische Modelle

Komponentenmodelle: additiv und multiplikativ - Saisonale Strukturen bei Zeitreihen: Trend, Saisonbereinigung und Ableitung der Saisonfigur, Prognose und Residualanalyse - Niveau-Veränderung - Lineare, parabolische, logistische, exponentielle Anpassung und Regression von Zeitreihen – Polynome - Gütemaße

Periodizitäten bei Zeitreihen

Trigonometrische Funktionen und ihre Bedeutung für periodische Trends – Perioden und Frequenzen - Periodogramm: Ableitung und Interpretation – Regressionsmodelle mit periodischen Schwingungen – Spektren und Spektralschätzung von Zeitreihen

Univariate lineare Zeitreihenmodelle mit AR(I)MA

Stationarität bei Zeitreihen – White Noise-Prozesse - AR (Autoregressive)- Modelle - MA (Moving Average)-Modelle - ARMA und ARIMA-Modelle – Prognose - Residualanalyse – Statistische Tests bei linearen Zeitreihenmodellen – Gütemaße und Modellauswahl

Dozent/in

Python Zeitreihenanalyse mit Python Trainer

Unser Python-Trainer Marco Skulschus studierte in Wuppertal und Paris Ökonomie und arbeitet schon seit mehr als 10 Jahren als Dozent, Berater und auch Fachbuch-Autor zum Thema Datenbanken, statistische Datenanalyse, Data Mining und Python. Er unterrichtet deskriptive und induktive Statistik, multivariate Verfahren und Data Mining für die Bereiche Controlling und Marketing bzw. Marktforschung.

Veröffentlichungen

Grundlagen empirische Sozialforschung ISBN 978-3-939701-23-1
System und Systematik von Fragebögen ISBN 978-3-939701-26-2

Projekte

Im Bereich statistischer Datenanalyse führt Herr Skulschus als Berater und Projektleiter auch Projekte durch, bei denen Python zum Einsatz kommt oder mit individueller Software-Entwicklung in Java und .NET auf Datenbank-Basis Analyse- und Reporting-Lösungen entstehen.

Forschung

Er leitete ein mehrjähriges Forschungsprojekt zur Entwicklung eines Fragebogensystems mit ontologie-basiertem Datenmodell und innovativen Frage-Antwort-Darstellungen. Förderung durch das BMWi und Zusammenarbeit mit verschiedenen Universitäten.