Analyse und Visualisierung von Zeitreihen-Daten in Python

Lernen Sie, wie Sie ihre Zeitreihen-Daten in Python analysieren und visualisieren können.

(*) zzgl. MwSt    (**) inkl. MwSt
Termin (2 Tage)
Ort
Belegung
Preise

06.10.21 –
07.10.21

Live-Online
Zoom Meeting
1.050,00  (*)
1.249,50 € (**)

Schulung auf einen Blick

Über die Schulung

Kundenbewertungen & Erfahrungen zu Enable AI. Mehr Infos anzeigen.

Über den Zeitreihen Kurs

Inhalte auf einen Blick

Bildungsschecks

Bildungsscheck Nordrhein Westfalen
Bildungsprämie
Wir akzeptieren den Bildungsscheck NRW und die Bildungsprämie.

Der zweitägige Kurs “Analyse und Visualisierung von Zeitreihen-Daten in Python” ermöglicht einen einfachen Einstieg in den Umgang mit Zeitreihendaten in Python. Nach einer Einführung in die Grundlagen von Python und Zeitreihen gibt das Seminar einen Einblick in die Berechnung und Visualisierung von Zeitreihen und ihren Merkmalen in Python. Danach konzentriert sich dieser Kurs auf die praktischen Umsetzung von Vorhersagen von Zeitreihen in Python und arbeitet dabei mit der gesamten Bandbreite der aktuell verwendeten Vorhersageansätze: Von traditionell statistischen Verfahren wie Holt-Winters und ARIMA, über Kalman-Filter und Facebook Prophet bis hin zu Deep Learning Ansätzen wie LSTMs. Zudem werden auch andere Zeitreihenanwendungen wie Klassifikation und Clustering behandelt. Alle Verfahren werden immer mit anschaulichen Praxisbeispielen eingeführt und geübt, so dass die Teilnehmer auf die praktische Anwendung von Zeitreihenanalysen in Python vorbereitet werden.

Nach diesem Kurs können die Teilnehmer selbstständig Zeitreihendaten in Python einlesen, handhaben und visualisieren. Sie können aus diesen Daten Vorhersagen nach vielen aktuell verwendeten Verfahren treffen und sind mit deren Elementen vertraut, die auch in aktueller Forschung Verwendung finden (e.g. Bestandteile exponentielles Glätten, Autoregressive-Modelle, Zustandsraumdarstellungen, Machine Learning Merkmalsbestimmung, RNNs). So können sie auch moderne Misch-Verfahren nachvollziehen. Die Teilnehmer haben außerdem beispielhaft gelernt, wie sie in Python andere Fragestellungen für Zeitreihendaten wie Clustering oder Klassifikation angehen können und wie Zeitreihendaten konzeptionell im Machine Learning und Deep Learning behandelt werden können. So haben sie ein gutes Fundament für die weitergehende Anwendung von Maschine Learning für Zeitreihendaten.

9:00 – 9:15
Begrüßung und Organisatorisches
  • Vorstellungsrunde
  • Erwartungen der Teilnehmer
9:15 – 10:45
zeitreihen_einfuehrung
Einführung in Zeitreihendaten in Python
  • Einführung in Python: pandas, matplotlib
  • Einführung in Zeitreihendaten: Definitionen, einfache Merkmale
10:45 – 11:00
Kaffeepause
11:00 – 12:30
zeitreihen_visualisieren
Zeitreihen und ihre Merkmale visualisieren
  • Zeitreihen plotten, Plots anpassen
  • Autokorrelation, partielle Autokorrelation, gleitende Mittel berechnen und visualisieren
  • Komponenten von Zeitreihen (Trend, Saisonalität) berechnen und visualisieren
12:30 – 13:30
Mittagspause
13:30 – 15:00
zeitreihe_glaetten
Zeitreihen vorhersagen (Statistik I): Exponentielle Glättung und Holt-Winters
  • Naive Vorhersagen
  • einfaches exponentielles Glätten (SES)
  • Holt-Verfahren / Holt-Winters-Verfahren
15:00 – 15:15
Kaffeepause
15:15 – 17:00
zeitreihen_vorhersagen
Zeitreihen vorhersagen (Statistik II): ARIMA-Modelle
  • Autoregressive- (AR) und Moving Average (MA)
  • Mit ARMA und ARIMA-Modellen vorhersagen
  • Mit SARIMA-Modellen Saisonalität berücksichtigen
9:00 – 9:15
Rückblick und offene Fragen vom Vortag
9:15 – 10:45
zeitreihen_modelle
Einblick in andere Zeitreihenmodelle
  • Zustandsraumdarstellung (State-space models): Ansatz, Pakete, Kalman-Filter, Anwendungsbeispiel
  • Praxisbeispiel additives Regressionsmodell mit Facebook Prophet
  • Bsp: Stromverbrauch vorhersagen unter Berücksichtigung von Saisonalität, Wochen- und Feiertagen
10:45 – 11:00
Kaffeepause
11:00 – 12:30
zeitreihen_boersenkurs
Machine Learning für Zeitreihen: Überblick, Vorbereitung und Vorhersagen
  • Besonderheiten Machine Learning für Zeitreihen
  • Datenvorbereitung: Rollendes Zeitfenster, Merkmalsbestimmung (Feature extraction), …
  • Überblick Machine Learning Verfahren Vorhersage, Bsp: Börsenpreisvorhersage
12:30 – 13:30
Mittagspause
13:30 – 15:00
zeitreihen_clustering
Machine Learning für Zeitreihen: Clustering und Klassifikation
  • Random Forest Klassifikator, Bsp: Belegungserkennung anhand von Raumklimadaten
  • Clustering, Beispiel: Verbrauchercluster
15:00 – 15:15
Kaffeepause
15:15 – 17:00
generator.jpg
Deep Learning für Zeitreihen
  • Recurrent Neural Networks (RNN)
  • LSTMs, Bsp: Stromverbrauch vorhersagen mit mehreren Inputmerkmalen

Zielgruppe für das Zeitreihen Seminar

Der Kurs “Analyse und Visualisierung von Zeitreihen-Daten in Python” ist ideal für Teilnehmer, die lernen möchten, in Python mit Zeitreihendaten umzugehen und Vorhersagen zu treffen sowie Einblick in Clustering und Klassifikation von Zeitreihen zu bekommen. Vorerfahrung mit entweder Zeitreihenanalyse oder mit Python ist hierbei empfohlen (s. Voraussetzungen).

Voraussetzungen für die Weiterbildung in Zeitreihen Python

Für den Kurs “Analyse und Visualisierung von Zeitreihen-Daten in Python” empfehlen wir entweder Vorkenntnisse / Vorerfahrung mit Zeitreihenanalyse oder mit Python, da das zügige Lerntempo für absolute Neulinge in beiden Bereichen oft nicht zu nachhaltigem Lernerfolg führt. Haben Sie bereits mit Zeitreihendaten gearbeitet oder verfügen über theoretisches Grundlagenwissen, benötigen Sie keine Vorkenntnisse in Python. Jedoch sollten Sie über Grundkenntnisse in einer anderen Programmiersprache besitzen, damit bekannt ist, was eine Variable, eine Funktion bzw. eine for-Schleife ist. Umgekehrt gilt für Vorerfahrene in Python: Sie brauchen keine Vorkenntnisse im Umgang mit Zeitreihendaten, aber einen sicheren Umgang mit Bibliotheken wie pandas und matplotlib.

Das Seminar beinhaltet Verfahren, die auf statistischen Annahmen aufbauen, wodurch grundlegende Kenntnisse der Statistik notwendig sind. Begriffe wie Mittelwert, Median, Standardabweichung oder Korrelation sollten Ihnen bekannt sein. Alle Teilnehmer der Schulung sollten zudem Vorerfahrung mit dem Umgang von Daten haben, z.B. in Excel oder einer BI-Software, um der Einführung in den Spezialfall Zeitreihendaten in Python folgen zu können.

Unterrichtssprache ist Deutsch (bei genügend Teilnehmern kann auch eine englische Version dieses Kurses angeboten werden). Die Folien sind auf Englisch, da Python und die Dokumentation der Pakete sowie Fachbegriffe Englisch sind. Ein fachlicher englischer Text sollte daher grob verstanden werden, um der Schulung folgen zu können.

Didaktischer Aufbau vom Zeitreihen Seminar

Diese Schulung beinhaltet viele Programmieraufgaben. Die Teilnehmer lösen diese selbstständig mit der Unterstützung des Trainers mit Python mit dem Ziel, das Erlernte einzuüben und zu vertiefen. Individuelle Unklarheiten können vom Trainer direkt beantwortet werden.

Technik in der Zeitreihen Fortbildung

  • Die Teilnehmer benötigen für die Übungsaufgaben Laptops. Wir empfehlen, Ihren eigenen Laptop mit der vorab installierten Software mitzubringen. Eine genaue Installationsanleitung für die Software wird Ihnen vor dem Seminar per E-mail zugesandt. Auf Anfrage stellen wir auch Schulungslaptops zur Verfügung.
  • Bitte prüfen Sie, ob Ihr Firmenlaptop Zugangsbeschränkungen im Internet hat. Die digitalen Unterlagen (Skript, Code, Dateien) werden im Seminar online zum Download zur Verfügung gestellt. Sie erhalten vor dem Seminar per E-Mail den Link zu einer Testdatei zum Download, um dies überprüfen zu können.
  • Sie sollten sich in firmenfremde WLAN-Netze registrieren können.
  • Als Backup Lösung ist es möglich, dass der USB Port bei Ihrem Laptop freigeschalten ist, um damit verwendete Dateien oder sonstige Unterlagen übertragen zu können.
  • Im Seminar wird das Betriebssystem Windows verwendet. Der Umgang mit Ihrem verwendeten Betriebssystem und Laptop sollte bekannt sein. Insbesondere sollten Sie ohne Schwierigkeiten Sonderzeichen auf der Tastatur finden (insbesondere bei Apple Geräten werden auf manchen Tastaturen nicht immer runde, eckige bzw. geschweifte Klammern dargestellt).

Für das Seminar ist keine Zusatzlektüre notwendig. Grundsätzlich wird alles Wissen und Codebeispiele im Kurs so erklärt, dass es nicht nötig ist vor dem Kurs ein Buch zu lesen.

Bei Interesse, können Sie zur Vorbereitung gern mehr über die Grundlagen in der Programmiersprache Python lesen. Bspw. Paul Barry (2016) Head First Python, 2nd Edition. O’Reilly UK Ltd. oder Eric Matthes (2019) Python Crash Course, 2nd Edition. No Starch Press. Eine Einführung in die statistische Behandlung von Zeitreihen (ohne Machine Learning) gibt etwa Krauß& Neuhaus (2006) Einführung in die Zeitreihenanalyse. Springer. Zur Vertiefung nach dem Kurs geht bspw. Aileen Nielson (2019) Practical Time Series Analysis. O’Reilly UK Ltd. auch auf Machine Learning Ansätze ein.

Achten Sie außerdem darauf, dass Sie die Voraussetzungen (siehe Reiter Organisatorisches –> Voraussetzungen) erfüllen.

Corona-bedingt bieten wir diesen Kurs zur Zeit nur online an. Falls Sie die Schulung gerne direkt bei Ihnen im Unternehmen besuchen möchten, kontaktieren Sie uns gerne.

Definitiv. Sie werden sich im Kurs wohlfühlen. Die erste von vier Lektionen am ersten Tag schafft die Grundlagen und sie können alles gleich selbst ausprobieren. Ab der zweiten Lektion ist mindestens die Hälfte der Zeit zum selbstständigen Üben, so dass Sie das Besprochene direkt coden können und selbst erkennen, wo noch Fragen bestehen, die Sie mit dem Dozenten direkt besprechen können.

Im Seminar enthält jeder Block (meist etwa 90 Minuten) eine oder mehrere Theorie- und Praxiseinheiten. Die Theorieeinheit dient dazu, Ihnen das nötige Wissen zu vermitteln, um die Herangehensweise zu verstehen und selbstständig arbeiten zu können. Der Fokus liegt auf der Praxis, d.h. dem Codeschreiben und selbstständigen Visualisieren. Fragen von Teilnehmern sind jederzeit möglich. Während der Praxiseinheit werden die Fragen individuell vom Dozenten beantwortet. Fragen von allgemeinem Interesse werden allen Teilnehmern erklärt. Die Folien, welche die Theorie und weitere Erklärungen vom Code enthalten erhalten Sie als pdf und in gedruckter Version. Codebeispiele und zugehörige Visualisierungen liegen digital vor.

Die Übungen bestehen hauptsächlich aus selbstständigen Anwenden, d.h. Sie schreiben entweder kurze eigene Codebeispiele oder Sie werden gefragt, Codelücken in einem bestehenden Code zu ergänzen. Letzteres schult auch das Codeverstehen. Die Aufgaben und Beispiele sind so gewählt, dass die wichtigen Aufgaben von allen Teilnehmern in der verfügbaren Zeit gelöst werden können. Wir haben Coding Aufgaben unterschiedlichen Schwierigkeitsgrades vorbereitet, so dass schnellere Teilnehmer oder Teilnehmer mit Vorwissen zusätzlich an weiteren Aufgaben üben können.

Über den Zeitreihen Kurs

Schulung auf einen Blick

Bildungsschecks

Bildungsscheck Nordrhein Westfalen
Bildungsprämie
Wir akzeptieren den Bildungsscheck NRW und die Bildungsprämie.

Thematisch ähnliche
Schulungen

Auswahl ähnlicher Kurse wie der Python Data Science Kurs