Time Series Analysis & Forecasting
27 juni, 2024 – Amsterdam, The Netherlands
Van financiële gegevens tot resourceplanning, van websitebezoekers tot meetmonitoring, time-series data omringen ons. Maar hoe kun je weten wat de toekomst brengt? Deze tweedaagse cursus stelt je in staat om verder te gaan dan het “spotten van trends” en datagestuurde bedrijfsprognoses te maken.
Wil je je team(s) of organisatie trainen?
Nico helpt je graag verder met trainingsoplossingen op maat.
Nico de Jonge
Data & AI trainingadviseur
Duur
4 days
Tijd
09:00 – 17:00
Taal
English
Lunch
Included
Certificering
No
Level
Professional
Wat ga je leren?
Na de training ben je in staat om:
Inzichten halen uit time-series data, inclusief trends en patronen.
Seizoensgebondenheid in time-series data interpreteren en modelleren.
Voorspellingsmodellen bouwen om voorspellingen te doen.
Voorspellen op schaal met Prophet.
Belangrijkste leerdoelen
Tijdreeksanalyse
- Effectief omgaan met timestamps en formatting met Pandas
- Beheer fundamentele analysetechnieken voor time-series met aggregaties
- Snel trends in de data identificeren met wisselende gemiddelden en verschillende afvlakkingstechnieken
Prognoses en modellen
- Time-series data ontleden in trends, seizoensgebondenheid, niet-cyclische componenten en residuen.
- Huidige dynamiek extrapoleren naar de toekomst met verschillende time-series modellen zoals ARIMA en LSTM’s
- Expliciet trends, seizoensgebondenheid en vakantie-effecten modelleren met Prophet
Programma
Dit programma richt zich op time series analyse met Pandas in Python. Het behandelt belangrijke onderwerpen zoals timestamp kenmerken, aggregaties, voortschrijdende gemiddelden, decompositie en modellering met scikit-learn en Prophet.
Deze training wordt fysiek in 1 dagen gegeven en virtueel in 4 halve dagen.
- Time stamp functies in Pandas
- Aggregaties
- Lopende gemiddelden en afvlakken
Voor wie is deze training?
Deze cursus is ideaal voor Data Scientists met ervaring met data wrangling, Pandas en Machine Learning die hun vaardigheden willen uitbreiden door over te stappen van statische naar dynamische tijdsafhankelijke datasets. Wil je productiever en krachtiger worden in het analyseren en voorspellen met behulp van time-series data? Dan is deze cursus echt iets voor jou!
Requirements
Om maximaal voordeel uit deze cursus te halen, moeten deelnemers minstens een jaar werkervaring hebben met Pandas, Scikit-learn en Prophet.
Waarom zou je deze training volgen?
Leer hoe je inzichten kunt halen uit jouw time-series data.
Leer hoe je geavanceerde voorspellingsmodellen kunt maken voor bedrijfsdata.
En begrijp goed hoe ze werken.
Hoe ziet het eruit?
Wat moet je nog meer weten?
Na registratie voor deze training, ontvang je een bevestigingsmail met praktische informatie. Een week voor de training vragen we je naar eventuele dieetwensen en delen we literatuur uit als je je moet voorbereiden.
We kijken uit naar je deelname!
Training informatie
Voor de training is een laptop nodig. De hands-on labs worden uitgevoerd in een online omgeving, waardoor het niet nodig is om software te installeren.
Nadat je je hebt ingeschreven voor deze cursus, ontvang je een bevestigingsmail met praktische informatie.
Literatuur en een lekkere lunch zijn bij de prijs inbegrepen.
Reis- en verblijfkosten zijn niet inbegrepen.
Maak kennis met de trainer
James Hayward
Meet James Hayward, a data science trainer at Xebia Academy. Get to know him here.
