Alle Programme

AI Curriculum | Vertiefungsfach: Time Series Analysis

Im peoplenet anmelden
Digitales LernformatDigitales Lernformat
Jede:r kann teilnehmenJede:r kann teilnehmen
en, deen, de

Coursera Inc.

Investition
Coursera / Google: € 339 / Jahreslizenz
Termin und Ort

Je nach ausgewähltem Lernpartner gibt es verschiedene Starttermine für Kurse und Lizenzen (siehe peoplenet).

Darum geht’s

  • Vermittlung der für das Vertiefungsfach Time-Series Analysis relevanten Kenntnisse und Fähigkeiten in den Bereichen:
  • Lineare, nicht-lineare und multivariate Zeitreihenkonzepte, wie Trends, saisonale, stationäre und co-integrierte Zeitreihen, Autokorrelationen, Autoregressionen, gleitende Durchschnitte, etc.
  • Expert-level Kenntnisse in der Zeitreihenmodellierung mittels bspw. Sequence Models wie Long-Short Term Memory (LSTM), Recurrent Neural Networks (RNNs), 1D ConvNets und Hidden Markov Models und deren Nutzung für konkrete Forecasting- bzw. Predictive Analytics-Zwecke
  • Du erwirbst die Kompetenzen und Fähigkeiten, die für eine Tätigkeit im Bereich Time-Series Analysis notwendig sind
  • Du entwickelst dich in deiner aktuellen Rolle weiter oder qualifizierst dich für neue Aufgaben 
  • Du profitierst von einem ausgewählten, gut strukturierten und qualitätsgeprüften digitalen Lerncurriculum
  • Du lernst von Experten mit hohem Praxisbezug
  • Du tauschst dich in Communities über Herausforderungen und Best Practices aus
  • Du wendest Lerninhalte direkt in deinem beruflichen Alltag an 
  • Du bildest dich je nach deinen individuellen Kenntnissen unabhängig von Zeit und Ort weiter 
  • Du entwickelst dich durch den Erwerb eines Zertifikats oder Hochschul-Degrees weiter

Du bist hier richtig, wenn

  • In diesem Vertiefungsfach lernst du, wie du Zeitreihenmodelle entwickelst und in verschiedenen Geschäftsszenarien als Entscheidungsunterstützung eingesetzt werden kannst
  • Zeitreihenanalyse und artverwandte Themen, wie Predictive Analytics, haben sich als wertvolle Instrumente erwiesen, mit denen Unternehmen Daten analysieren können, um Ergebnisse und Trends vorherzusagen
  • Das Erstellen von Prognosen mithilfe moderner Datenanalyse ist im Kontext datenbasierter Geschäftsmodelle von entscheidender Bedeutung
  • Voraussetzungen:
    • Fundierte Kenntnisse in linearer Algebra und Statistik, insbesondere Wahrscheinlichkeitstheorie
    • Erfahrung in der Datenanalyse

Das erwartet dich

  • Lernpfad mit einem speziell für dieses Anwendungsgebiet zusammengestellten Kursprogramm
  • Modernes Online-Lernerlebnis von ausgewählten Lernanbietern mit hohem Qualitätsanspruch
  • Von kurzen Learning-Nuggets zur Lösung aktueller Problemstellungen bis zum Nanodegree und anerkannten Hochschulzertifikat
  • Selbstgesteuertes Lernen nach individuellen Fähigkeiten und Bedürfnissen – im eigenen Tempo, unabhängig von Zeit und Ort
  • Interaktive Lernformate mit Lernkontrollen zur Überprüfung des eigenen Lernfortschritts