Предиктивная аналитика на основе анализа временных рядов

О ПРОГРАММЕ

Категория слушателей: граждане, имеющие среднее профессиональное, незаконченное высшее и высшее образование.

Срок обучения: 2
 недели (72  академических часа).

Обучение проходит в период c ноября по конец апреля. Группы приступают к занятиям по мере формирования.

Программа курса «Предиктивная аналитика на основе анализа временных рядов» рассчитана на подготовку специалистов в области предиктивной аналитики, анализа временных рядов, прогнозирования с использованием среды R Studio.


ЦЕЛЬ ПРОГРАММЫ

Дать систематизированное представление о современных подходах к анализу данных, в том числе больших данных, представленных временными рядами, научить применению основных принципов и этапов решения задач построения адекватных моделей прогнозирования с использованием современной информационной среды (R Studio), развить умения проверки прогнозных свойств модели прогнозирования, в конечном итоге сформировать на продвинутом уровне компетенцию цифровой экономики: способность строить обоснованные прогнозы на основе анализа временных рядов.

МЕТОДЫ ОБУЧЕНИЯ

Практико-ориентированный подход в обучении с применением специализированного программного обеспечения, применение дистанционных образовательных технологий. 

стоимость

программы составляет 15 000 рублей

РЕЗУЛЬТАТЫ ОБУЧЕНИЯ

В результате освоения программы слушатель должен приобрести следующие знания и умения, необходимые для качественного изменения компетенций слушатель должен знать и уметь:

  • типы процессов, представленные временными рядами (TSP, DSP);
  • тесты на единичные корни и их модификации; детерминированные компоненты временного ряда; модели ARIMA/SARIMA/ARIMAX;
  • тесты на структурные изменения временных рядов; модели адаптивного прогнозирования (экспоненциального сглаживания);
  • схему обобщённого прогнозирования на основе моделирования случайных процессов и методы оценки прогностической ценности модели
  • определять структуру временного ряда на основе анализа коррелограмм ACF и PACF;
  • определять типы процессов, представленные временными рядами на основе различных процедур (например, с использованием пятиэтапной процедуры применения теста ADF);
  • идентифицировать порядки, проводить селекцию, оценку и диагностику моделей ARIMA, SARIMA;
  • строить модели анализа временных рядов с введением экзогенной переменной (ARIMAX);
  • использовать модели адаптивного сглаживания для краткосрочного прогнозирования;
  • строить научно-обоснованные прогнозы, проводить корректную интерпретацию результатов прогнозирования.
  • навыками проведения анализа внутренней структуры различных процессов, представленных временными рядами, построения адекватных моделей ARIMA, SARIMA, ARIMAX в среде R Studio,
  • навыками оценки прогнозных свойств полученных моделей;
  • навыками построения качественных прогнозов с использованием методов математического моделирования случайных процессов для корректных принятий управленческих решений. 

Перспективы
трудоустройства
Вы знаете

детерминированные составляющие временного ряда и методы очищения от них случайных процессов.

Вы владеете

навыками проведения анализа внутренней структуры различных процессов, представленных временными рядами, построения адекватных моделей ARIMA, SARIMA, ARIMAX в среде R Studio.

Вы умеете

работать над личным брендом первых лиц компании

учебный план
и удостоверение


отзывы

руководитель и преподаватели

Image Description

Лакман Ирина Александровна

кандидат технических наук, заведующая лабораторией исследования


 

оставить заявку

CRM-форма появится здесь
Cookie-файлы
Настройка cookie-файлов
Детальная информация о целях обработки данных и поставщиках, которые мы используем на наших сайтах
Аналитические Cookie-файлы Отключить все
Технические Cookie-файлы
Другие Cookie-файлы
Мы используем файлы Cookie для улучшения работы, персонализации и повышения удобства пользования нашим сайтом. Продолжая посещать сайт, вы соглашаетесь на использование нами файлов Cookie. Подробнее о нашей политике в отношении Cookie.
Подробнее Понятно
Cookies