Cursusaanbod

Inleiding tot tijdreeksanalyse

  • Overzicht van tijdreeksgegevens
  • Componenten van tijdreeksen: trend, seizoensgebondenheid, ruis
  • Instellen van Google Colab voor tijdreeksanalyse

Verkennend Data Analysis voor tijdreeksen

  • Visualisatie van tijdreeksgegevens
  • Componenten van tijdreeksen ontleden
  • Seizoensgebondenheid en trends detecteren

ARIMA-modellen voor tijdreeksen Forecasting

  • ARIMA (AutoRegressive Integrated Moving Average) begrijpen
  • Parameters kiezen voor ARIMA-modellen
  • Implementatie van ARIMA-modellen in Python

Inleiding tot Prophet voor Time Series Forecasting

  • Overzicht van Prophet voor het voorspellen van tijdreeksen
  • Implementatie van Prophet-modellen in Google Colab
  • Omgaan met vakanties en speciale evenementen in prognoses

Geavanceerde Forecasting technieken

  • Omgaan met ontbrekende gegevens in tijdreeksen
  • Multivariate voorspelling van tijdreeksen
  • Prognoses aanpassen met externe regressors

Evalueren en verfijnen van voorspellingsmodellen

  • Metrische gegevens over prestaties voor prognoses van tijdreeksen
  • Finetunen van ARIMA- en Prophet-modellen
  • Kruisvalidatie en backtesting

Real-world toepassingen van tijdreeksanalyse

  • Casestudy's van tijdreeksvoorspelling
  • Praktische oefeningen met real-world datasets
  • Volgende stappen voor tijdreeksanalyse in Python

Samenvatting en volgende stappen

Vereisten

  • Gemiddelde kennis van Python programmeren
  • Bekendheid met basisstatistieken en technieken voor gegevensanalyse

Audiëntie

  • Data-analisten
  • Datawetenschappers
  • Professionals die werken met tijdreeksgegevens
 21 Uren

Aantal deelnemers


Prijs Per Deelnemer

Testimonials (5)

Voorlopige Aankomende Cursussen

Gerelateerde categorieën