Time Series Forecasting II

In diesem weiterführenden Training erweitern wir unseren Werkzeugkasten für die Vorhersage von Zeitreihen um Deep Learning-Methoden. Zum Einsatz kommen Recurrent Neural Networks, darunter LSTM-Netzwerke. Diese sind ein vielversprechende Ansatz zur Modellierung von Zeitreihen, weil sie - zumindest in der Theorie - in der Lage sind, beliebige Algorithmen abzubilden, und damit beliebige Muster in Zeitreihen.

Im Team bauen die Teilnehmer/-innen Modelle und evaluieren sie an einem anwendungsnahen Beispiel. Zum Einsatz kommen dabei Python, TensorFlow und die Keras-API.

Vorkenntnisse

Voraussetzung für die erfolgreiche Teilnahme sind Grundkenntnisse im Machine Learning mit neuronalen Netzen sowie erste praktische Erfahrung mit TensorFlow und Keras. Wir empfehlen zur Vorbereitung auch den Workshop “Time Series Forecasting I”.

 

Speaker

 

Christian Staudt
Christian Staudt unterstützt als Freelance Data Scientist Auftraggeber bei Herausforderungen rund um Data Mining, Big Data und Machine Learning. Neben der Projektarbeit entwickelt er mit der Point 8 GmbH Trainings und coacht Teams in Sachen Methodik und Werkzeuge der Datenanalyse, die er schon während seiner Forschungstätigkeiten in der Informatik nutzte. Als Referent ist er in der Community um Python und Data Science aktiv.

ML-Essentials-Newsletter

Sie möchten über die ML Essentials
auf dem Laufenden gehalten werden?

 

Anmelden