Zamana bağlı veriyi modelle ve geleceği öngör
Zamana bağlı veriyi modellemeyi öğreten ileri seviye eğitim: trend/mevsimsellik ayrıştırma, durağanlık ve ADF testi, ACF/PACF yorumu, ARIMA ve SARIMA, Holt-Winters ve Prophet ile öngörü, walk-forward backtesting ve MAE/RMSE/MAPE ile değerlendirme.
Durağanlık, ARIMA/SARIMA, mevsimsellik ve öngörü değerlendirme
Bu ileri seviye eğitim, zamana bağlı veriyi modellemeyi ve geleceği öngörmeyi Python ile uygulamalı öğretir. Zaman serisi bileşenleri (trend, mevsimsellik, artık), ayrıştırma (additive/multiplicative), durağanlık ve ADF testi, farklama (differencing) işlenir. Ardından ACF/PACF yorumu, AR/MA/ARIMA ve mevsimsel SARIMA modelleme, model seçimi (AIC/BIC), artık analizi; üstel düzeltme (Holt-Winters), Prophet ile öngörü, geriye dönük test (backtesting) ve öngörü hata metrikleri (MAE, RMSE, MAPE) ele alınır. Katılımcı, gerçek bir seride model kurup değerlendirilmiş öngörü üretebilir.
3 Gün. Her gün dört modül; katılımcılar ayrıştırmadan model kurma ve öngörü değerlendirmeye ilerler.
İleri Seviye — Zaman serisi verisinin ayrıştırılması, durağanlık, ARIMA/SARIMA ve modern öngörü yöntemlerinin ele alınması.
Katılımcılar gerçek zaman serileri üzerinde statsmodels ve Prophet ile model kurup backtesting yaparak öğrenir.
Trend ve mevsimselliği ayrıştırıp seriyi anlarsınız.
ARIMA, SARIMA ve Prophet ile geleceği tahmin edersiniz.
Backtesting ve hata metrikleriyle modeli dürüstçe ölçersiniz.
Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri
pandas ile veri işleme deneyimi beklenir.
Regresyon ve dağılım kavramlarına aşinalık faydalıdır.
Jupyter/Colab kullanımına aşinalık yararlıdır.
statsmodels, pmdarima ve prophet kurulabilen bir Python ortamı.
Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.
Program sonunda katılımcılar:
Trend, mevsimsellik ve artığı ayrıştırıp yorumlarsınız.
ADF testi ve farklamayla seriyi durağanlaştırırsınız.
Otokorelasyonla model derecesini belirlersiniz.
ARIMA modelini kurup parametrelerini seçersiniz.
Mevsimsel SARIMA ile periyodik örüntüyü modellersiniz.
Prophet ve Holt-Winters ile alternatif öngörü üretirsiniz.
Backtesting ve MAE/RMSE/MAPE ile modeli ölçersiniz.
Gerçek seride değerlendirilmiş öngörü üretirsiniz.
Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.
Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.
Volume, Velocity, Variety ve Veracity ile büyük veriyi tanımlayın; Value (değer) ve veri kalitesinin mimari ve karar süreçlerine etkisini kavrayın.
Detayları Gör →
SAS Studio, kütüphaneler (LIBNAME), DATA step ile veri işleme ve PROC PRINT/MEANS/FREQ/SQL ile özet ve rapor üretmeyi uygulamalı öğrenin.
Detayları Gör →
İdari asistanlar için veriyle çalışma eğitimi: tablo düzeni, veri doğrulama, SUMIF/XLOOKUP, pivot rapor, takvim ve belge yönetimi, gizlilik ilkeleri.
Detayları Gör →
Spotfire eğitimi: veri bağlama, Information Link, custom expression ve OVER, IronPython betikleme, TERR ile tahmin/kümeleme ve Spotfire Server'da yayınlama.
Detayları Gör →
R ile zaman serisi analizi eğitimi: ts/xts nesneleri, STL ayrıştırma, ADF/KPSS durağanlık, ACF/PACF, ARIMA/SARIMA modelleme ve artık tanılaması.
Detayları Gör →