Kurs-ID: EKI_20356
Kurs Analyse und Visualisierung von Zeitreihen-Daten in Python
Lernen Sie, wie Sie ihre Zeitreihen-Daten in Python analysieren und visualisieren können.
Der zweitägige Kurs mit jeweils 9-15 Uhr vermittelt einen praxisnahen Einstieg in die Anwendung moderner KI-Methoden auf Zeitreihen- und Sequenzdaten. Nach einer Einführung in die Besonderheiten und Charakteristika von Zeitreihen sowie deren Aufbereitung für maschinelles Lernen (Resampling, Sliding Windows, Train/Test-Splits) lernen die Teilnehmer die Grundlagen neuronaler Netzwerke für Zeitreihen kennen. Der Kurs behandelt Schritt für Schritt zentrale Modellarchitekturen: von klassischen RNNs über LSTM- und GRU-Modelle bis hin zu modernen Ansätzen wie Temporal Convolutional Networks (TCN) und Transformer.
Neben der Theorie steht die praktische Umsetzung im Vordergrund: Die Teilnehmer programmieren eigene Modelle in Python (u.a. mit Darts) und wenden diese auf reale Datensätze aus den Bereichen Energie, Wetter und Wirtschaft an. Ein weiterer Schwerpunkt liegt im Vergleich verschiedener Modellansätze – von traditionellen Verfahren wie ARIMA und Facebook Prophet über Machine Learning-Methoden bis hin zu Deep Learning. Dabei werden auch Evaluationsmetriken (MAE, RMSE, MAPE, SMAPE) und Best Practices wie Cross-Validation und die Vermeidung von Data Leakage behandelt.
Der Kurs ist so konzipiert, dass Teilnehmer nicht nur die Grundlagen moderner Deep Learning Architekturen für Zeitreihen verstehen, sondern diese auch eigenständig implementieren, vergleichen und bewerten können. Damit richtet sich das Seminar an Data Scientists, Analysten und Fachanwender, die Zeitreihenprognosen in der Praxis anwenden und mit aktuellen KI-Methoden ihre Vorhersagequalität verbessern möchten.
Was lernen Sie im Python Zeitreihen Analyse KursNach diesem Kurs sind die Teilnehmer in der Lage, Zeitreihendaten für Deep Learning Anwendungen eigenständig aufzubereiten und zu modellieren. Sie wissen, wie Daten für Sequenzmodelle vorbereitet werden (Resampling, Sliding Windows, Train/Test-Splits) und können neuronale Netzwerkarchitekturen wie RNNs, LSTMs und GRUs praktisch implementieren. Darüber hinaus lernen sie moderne Verfahren wie Temporal Convolutional Networks (TCN) und Transformer-Modelle kennen, die aktuell in Forschung und Industrie für Zeitreihenprognosen eingesetzt werden.
Die Teilnehmer entwickeln ein tiefes Verständnis für die Unterschiede zwischen klassischen statistischen Methoden (z. B. ARIMA, Prophet) und modernen KI-Verfahren. Sie sind in der Lage, Modelle systematisch zu vergleichen, mit relevanten Metriken (MAE, RMSE, MAPE, SMAPE) zu bewerten und bewährte Best Practices wie Cross-Validation und die Vermeidung von Data Leakage anzuwenden.
Neben Prognosen erlangen sie zudem Einblicke in weitere Anwendungen von Zeitreihendaten im Machine Learning, wie Klassifikation oder Anomalieerkennung. Durch praxisnahe Fallbeispiele – etwa aus den Bereichen Energie, Wetter und Wirtschaft – erwerben die Teilnehmer ein solides Fundament, um Deep Learning für Zeitreihen in realen Projekten einzusetzen und die Vorhersagequalität zu verbessern.
Dieses Training findet in Kooperation mit Enable AI statt.
Seminarinhalte
- Einführung in Deep Learning mit Zeitreihendaten: Charakteristika, Datenaufbereitung und erste Anwendungen
Grundlagen rekurrenter Netze (RNNs): Theorie, Implementierung und Praxisbeispiele
Vertiefung: LSTM- und GRU-Modelle zur Prognose von Zeitreihen (z.B. Energie- und Verbrauchsdaten)
Moderne Architekturen für Zeitreihen: Temporal Convolutional Networks (TCN) und Transformer
Vergleich klassischer und moderner Verfahren: ARIMA, Prophet, Deep Learning und weitere Baselines
Evaluierung und Best Practices: Modellmetriken, Cross-Validation, Vermeidung von Data Leakage
Praxisorientierte Anwendungen aus Energie, Wetter und Wirtschaft mit Code-Demos
Kursthemen
Das Training Analyse und Visualisierung von Zeitreihen-Daten in Python ist folgendem Thema zugeordnet:
Zielgruppe
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 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.
Dauer und Zeiten
2 Kurstage
Verwandte Seminare
- Data Science Kurs Python
- Data Scientist Fortbildung - Bootcamp in Python
- Datenvisualisierung / Dashboards in Python
- Deep Learning, Neuronale Netze mit Python
- Einführung in Data Science und Machine Learning mit Python
- KI Bilderkennung in Python - Deep Learning mit Keras
- Machine Learning Kurs mit Python & scikit learn
Termine
Kurspreis für offene Schulungen
950,00 € zzgl. 19% MwSt. (1130,50 € inkl. 19% MwSt.)
Hinweis
- 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).