Semininarium: Workshop i tidserieanalys och förutsägelser
Denna workshop erbjuder en omfattande utforskning av tidsserieförutsägelser. Designad för yrkesverksamma och forskare, syftar workshopen till att öka förståelsen och färdigheterna i att förutsäga framtida trender och mönster.
Föreläsare: Phil Aupke och Amal Nammouchi
Workshopen hålls på engelska
Kursen kommer att vara uppbyggt på följande sätt:
Introduktion till tidsserieanalys:
Vi börjar med att definiera vad som utgör en tidsserie och fördjupar oss i dess betydelse. Deltagarna kommer att lära sig varför förutsägelse av tidsserier inte bara är fördelaktigt utan också väsentligt i beslutsprocesser inom olika domäner.
Datahämtning:
Ett nyckelsteg i tidsserieanalys är inhämtningen av relevant data. Detta segment fokuserar på effektiva metoder för datahämtning, vilket säkerställer en robust grund för analys.
Datateknik:
Med data i handen tar vi oss an de avgörande stegen med att rengöra och förbereda dem för analys. Detta inkluderar att ta itu med utmaningar som att hantera saknade värden, hantera extremvärden och andra förbearbetningsuppgifter för att säkerställa datakvalitet och tillförlitlighet.
Översikt över prediktionstekniker:
Deltagarna kommer att introduceras till en rad tekniker för tidsserieprediktion. Från klassiska statistiska metoder till avancerade maskininlärningsalgoritmer kommer denna översikt att ge en bred förståelse för de verktyg som finns tillgängliga för prognos.
I det här avsnittet kommer vi att upptäcka / arbeta med klassiska tidsserieprediktioner som statistiska metoder till moderna metoder som Fast-AI, Distributed Learning och Split-Learning.
Praktiskt exempel:
Teori möter praktik i denna interaktiva session. Deltagarna kommer att tillämpa inlärda koncept på ett verkligt exempel och få praktisk erfarenhet av tidsserieanalys och förutsägelse.
Här kommer vi att distribuera en interaktiv anteckningsbok som går över ett exempel på PV-effektuppskattningar och börser.
Forskningsansökningar:
Workshopen avslutas med en presentation av exempel från Phil Aupkes forskning. Dessa fallstudier kommer att illustrera den verkliga effekten och tillämpningarna av tidsserieförutsägelser, vilket ger deltagarna insikter om potentialen hos dessa tekniker inom sina respektive områden.
Exempel: Prognos för energiproduktion och energiförbrukning inom området distribuerad maskininlärning. Vidare kommer Phil och Amal att presentera en teknik för att hantera förändringar i tidsserien och hur detta kan hanteras.