Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Zeitreihendaten sind allgegenwärtig. Ob Börsenschwankungen, Sensordaten zum Klimawandel oder Aktivität im Gehirn – jedes Signal, das sich über die Zeit verändert, lässt sich als Zeitreihe beschreiben. Maschinelles Lernen hat sich als leistungsstarke Methode etabliert, um Komplexität in Daten zu nutzen und daraus Vorhersagen und Erkenntnisse für das jeweilige Problem zu gewinnen. Dieser Kurs bildet die Schnittstelle zwischen diesen beiden Welten – maschinelles Lernen und Zeitreihendaten – und behandelt Feature Engineering, Spektrogramme und weitere fortgeschrittene Techniken, um Herzschläge zu klassifizieren und Aktienkurse vorherzusagen.
Voraussetzungen
Lernprogramm
Kursübersicht
1
Grundlagen zu Zeitreihen und Machine Learning
Dieses Kapitel führt in die Grundlagen von Machine Learning, Zeitreihendaten und deren Schnittmenge ein.
- Arten von Zeitreihen und Anwendungen50 XP
- Eine Zeitreihe erkennen50 XP
- Eine Zeitreihe plotten (I)100 XP
- Eine Zeitreihe plotten (II)100 XP
- Grundlagen des Machine Learnings50 XP
- Ein einfaches Modell fitten: Klassifikation100 XP
- Vorhersagen mit einem Klassifikationsmodell100 XP
- Ein einfaches Modell fitten: Regression100 XP
- Vorhersagen mit einem Regressionsmodell100 XP
- Machine Learning und Zeitreihendaten50 XP
- Klassifikationsdaten untersuchen100 XP
- Die Regressionsdaten untersuchen100 XP
2
Zeitreihen als Eingaben für ein Modell
Am einfachsten integrierst du Zeitreihen in deine Machine-Learning-Pipeline, indem du sie als Features in einem Modell verwendest. Dieses Kapitel behandelt gängige Merkmale, die aus Zeitreihen extrahiert werden, um Machine Learning zu ermöglichen.
3
Zeitreihendaten vorhersagen
Wenn du Muster aus Daten über die Zeit vorhersagen möchtest, gibt es besondere Aspekte bei der Auswahl und dem Aufbau deines Modells. Dieses Kapitel zeigt, wie du vor dem Fitten deines Modells Einblicke in die Daten gewinnst, und vermittelt Best Practices für prädiktives Modellieren mit Zeitreihendaten.
4
Zeitreihenmodelle validieren und prüfen
Sobald du ein Modell zur Vorhersage von Zeitreihendaten hast, musst du entscheiden, ob es gut oder schlecht ist. Dieses Kapitel behandelt die Grundlagen der Vorhersageerzeugung mit Modellen, um sie gegen „Test“-Daten zu validieren.
Maschinelles Lernen für Zeitreihendaten in Python
Kurs
abgeschlossen
