RStatystyka

Analiza i Prognozowanie Szeregów Czasowych w R

22 - 24 kwi 2024

Online

3 600,00 zł netto / osobę
Nie pasuje Ci żaden termin? Napisz do nas!
Zapisz więcej osób

Taniej w grupie

  • 3 osoby - 10% zniżki
  • 4 osoby - 15% zniżki
  • 5 osób - 20% zniżki
  • 6 osób - 25% zniżki
  • 7 osób - 30% zniżki
  • O szkoleniu

    Prognozowanie szeregów czasowych jest ważnym składnikiem każdego procesu decyzyjnego w biznesie. Zdolność trafnego prognozowania w zmieniającym się środowisku biznesowym ma kluczowe znaczenie dla powodzenia inwestycji czy zaspokojenia popytu.

    Niestety w praktyce na skutek niewłaściwego podejścia do prognozowania bardzo często spotykamy się z prognozami obarczonymi dużymi błędami. Koszty jakie z tego tytułu ponoszą firmy są znaczące aczkolwiek bardzo łatwe do zminimalizowania poprzez zastosowanie właściwych metod prognostycznych. Nie ma uniwersalnego podejścia do prognozowania dlatego zrozumienie charakterystyki i metod stosowanych w tym celu jest kluczowe w procesie prognostycznym. Szkolenie prognozowanie szeregów czasowych stanowi doskonałą odpowiedź na wiele pytań i wątpliwości jakie stwarza proces prognostyczny.

    W trakcie szkolenia nauczysz się postępowania na każdym kroku procesu prognostycznego począwszy od zdefiniowania problemu poprzez zbieranie danych, wstępną analizę, wybór modeli oraz metody ich estymacji po ocenę jakości prognostycznej i wybór ostatecznej prognozy. Każdy z elementów szkolenia poparty jest licznymi przykładami i ćwiczeniami w wybranym oprogramowaniu do analizy szeregów czasowych.

    Mając na uwadze praktyczne wykorzystanie wiedzy zdobytej w trakcie szkolenia przykłady i ćwiczenia przedstawiamy w wybranym przez uczestników oprogramowaniu. Szkolenie przeprowadzane jest w oparciu o program R, który jest darmowym narzędziem o wszechstronnym zastosowaniu do analizy danych. Niezależnie od wybranego oprogramowania w trakcie szkolenia otrzymasz zestaw procedur i komend jakie należy wykonać na każdym kroku aby stworzyć wiarygodną prognozę wraz z materiałami prezentowanymi w trakcie szkolenia.

    Szkolenie przeprowadzane jest przez ekspertów, absolwentów renomowanych uczelni, wykładowców o wieloletnim doświadczeniu w zakresie analizy szeregów czasowych i prognozowania w biznesie. Nasi trenerzy zdobywali swoje doświadczenie realizując szereg projektów dla rządów, organizacji międzynarodowych i korporacji.

    Dla kogo jest to szkolenie?

    Szkolenie skierowane jest przede wszystkim do osób których praca zawodowa wymaga analizowania szeregów czasowych oraz ich prognozowania, w szczególności:

    • Analityków
    • Konsultantów
    • Statystyków
    • Managerów

    Czego się nauczę?

    Po ukończeniu szkolenia, uczestnik będzie potrafił:

    • Stosować techniki wykorzystywane w procesie prognostycznym
    • Dekomponować szereg czasowy
    • Usuwać sezonowość z szeregów czasowych
    • Stosować metody wygładzania wykładniczego do analizy i prognozowania
    • Stosować zaawansowane modele ekonometryczne do prognozowania szeregów czasowych
    • Tworzyć prognozy w oparciu o model regresji liniowej
    • Tworzyć prognozy punktowe oraz przedziałowe
    • Wykorzystywać techniki jakościowe do modyfikowania prognoz ilościowych
    • Badać jakość prognostyczną modeli pozwalającą na doskonalenie narzędzi oraz prognoz
    • Metody prognozowania
    • Proces prognostyczny
    • Prognoza, Plan, Cel
    • Przegląd narzędzi stosowanych do analizy i prognozowania
    • Zmienne losowe
    • Proces stochastyczny a szereg czasowy
    • Testy statystyczne
    • Analiza graficzna
    • Stacjonarność
    • Transformacje szeregów czasowych
    • Prognoza punktowa, przedziałowa
    • Prognoza ex post
    • Prognoza ex ante
    • Walidacja prognozy
    • Miary trafności prognostycznej
    • Metoda naiwna
    • Metoda średniej
    • Metoda średniej ruchomej
    • Metoda naiwna z trendem i sezonowością
    • Komponenty szeregu czasowego
    • Analiza trendu i prognozowanie
    • Analiza i eliminacja wahań sezonowych
    • Metoda Arima X12
    • Metoda STL z wykorzystaniem Loess
    • Proste wyrównywanie wykładnicze
    • Metoda Holta
    • Metoda Holta-Wintersa
    • Metody trendu tłumionego
    • Identyfikacja postaci modelu
    • Wygładzanie wykładnicze w przestrzeni stanów – modele ETS
    • Korelacja a regresja
    • Estymacja
    • Dobór zmiennych prognostycznych
    • Walidacja modelu
    • Prognozowanie
    • Analiza komponentów modelu AR i MA
    • Autokorelacja (ACF, PACF)
    • Testy pierwiastka jednostkowego (ADF, KPSS)
    • Modele ARIMA z komponentem sezonowym – SARIMA, SARIMAX
    • Walidacja modelu
    • Prognozowanie
    • Wprowadzenie do modelu Prophet od Facebooka
    • Zastosowania modelu w prognozowaniu szeregów czasowych
    • Konfiguracja i tuning modelu
    • Porównanie efektywności modelu Prophet z innymi metodami
    • Wprowadzenie do sieci neuronowych i ich zastosowań
    • Przykłady architektur sieciowych stosowanych w analizie szeregów czasowych
    • Praktyczne aspekty implementacji sieci neuronowych
    • Automatyzacja tuningu parametrów sieci neuronowych
    • Modele VAR
    • Model VECM
    • Dynamiczne Modele Liniowe (DLM)
    • Komponenty i budowa modelu
    • Zastosowanie TBATS do złożonej sezonowości
    • Metody tworzenia prognoz
    • Strategia bottom-up
    • Strategia top-down
    • Strategia middle out
    • Optymalna kombinacja strategii
    • Stabilność prognostyczna modelu
    • Techniki walidacji krzyżowej (cross-validation)
    • Zarządzanie nadmiernym dopasowaniem (overfitting) w modelach prognostycznych
    • Automatyzacja wyboru metody prognozowania
    • Uśrednianie prognoz
    • Prognozowanie hybrydowe
    • Uwzględnienie zmiennych egzogenicznych
    • Analiza obserwacji ekstremalnych, nietypowych (outliers) oraz brakujących
    • Wykorzystanie szeregu Fouriera i innych metod do prognozowania sezonowości
    • Wprowadzenie do R Shiny
    • Budowa Dashboardu w R Shiny
    • Integracja Modeli Prognostycznych
    • Wizualizacja Danych Szeregów Czasowych
    • Prezentacja Wyników Prognoz