Цель курса

Данный курс знакомит с набором методов для анализа данных временных рядов. Вы узнаете, как прогнозировать с использованием регрессии, экспоненциального сглаживания и авторегрессионного интегрированного скользящего среднего (ARIMA), которые учитывают различные комбинации тренда и сезонности. Будут рассмотрены функции, предназначенные для автоматического выбора наиболее подходящего экспоненциального сглаживания или модели ARIMA. Также вы узнаете, как создать свои собственные пользовательские модели и идентифицировать модели ARIMA с помощью различных диагностических инструментов, таких как графики времени и графики автокорреляции.

Для кого предназначен этот курс

Бизнес-аналитиков и аналитиков данных.

Для успешного прохождения курса слушатели должны

• Иметь опыт работы в IBM SPSS Modeler (создание и редактирование потоков)
• Знание регрессионного анализа приветствуется

По окончании курса слушатели смогут:

• Использовать автоматические методы прогнозирования
• Измерять производительность модели
• Использовать регрессию временных рядов
• Использовать модели экспоненциального сглаживания
• Использовать ARIMA моделирование

Основные темы:

• Введение в анализ временных рядов
• Упражнение: Введение в анализ временных рядов
• Автоматическое прогнозирование
• Упражнение: Автоматическое прогнозирование
• Измерение производительности модели
• Упражнение: Измерение производительности модели
• Регрессия временных рядов
• Упражнение: Регрессия временных рядов
• Модели экспоненциального сглаживания
• Упражнение: Модели экспоненциального сглаживания
• ARIMA моделирование
• Упражнение: ARIMA моделирование