SAS Visual Forecasting

Nazwa szkolenia Poziom szkolenia Rodzaj szkolenia
Models for Time Series and Sequential Data
This course teaches students to build, refine, extrapolate, and, in some cases, interpret models designed for a single, sequential series. There are three modeling approaches presented. The traditional, Box-Jenkins approach for modeling time series is covered in the first part of the course. This presentation moves students from models for stationary data (or ARMA) to models for trend and seasonality (ARIMA) and concludes with information about specifying transfer function components in an ARIMAX, or time series regression, model. A Bayesian approach to modeling time series is considered next. The basic Bayesian framework is extended to accommodate autoregressive variation in the data as well as dynamic input variable effects. Machine learning algorithms for time series is the third approach. Gradient boosting and recurrent neural network algorithms are particularly well suited for accommodating nonlinear relationships in the data. Examples are provided to build intuition on the effective use of these algorithms. The course concludes by considering how forecasting precision can be improved by combining the strengths of the different approaches. The final lesson includes demonstrations of creating combined (or ensemble) and hybrid model forecasts.

3 zaawansowany e-Learning
Prognozowanie na dużą skalę przy użyciu SAS Viya: podejście programistyczne
Ten kurs uczy studentów rozwijać i utrzymywać projekt prognozowania na dużą skalę przy użyciu narzędzi SAS Visual Forecasting. W ramach projektu studenci budują, a następnie udoskonalają system prognozowania na dużą skalę. Nacisk kładziony jest na wybór odpowiednich metod tworzenia danych i transformacji zmiennych, generowania modeli i ich wyboru. Następnie studenci są proszeni o poprawienie ogólnej wydajności prognozowania poprzez modyfikację domyślnych procesów w systemie.

3 zaawansowany Classroom Live Web Classroom e-Learning
Prognozowanie z użyciem Model Studio w SAS Viya
Kurs ten umożliwia praktyczne zapoznanie się z funkcjonalnością prognozowania w Model Studio, będącym częścią składową SAS Viya. Kurs rozpoczyna się od pokazania jak załadować dane do pamięci i wizualizacji danych szeregów czasowych, które mają być modelowane. Zmienne atrybutów są wprowadzane i implementowane w wizualizacji. Następnie kurs obejmuje podstawowe zagadnienia związane z wykorzystaniem potoków do generowania prognoz i wyborem potoków mistrzowskich w projekcie. Uczy on również, jak włączyć praktyki prognozowania na dużą skalę do projektu prognozowania. Obejmują one tworzenie hierarchii danych, uzgadnianie prognoz, nadpisywanie i najlepsze praktyki związane z wyborem modelu prognozy.

2 średnio zaawansowany Classroom Live Web Classroom e-Learning
Wydobywanie i tworzenie cech szeregów czasowych New
W tym kursie dowiesz się o eksploracji danych, tworzeniu cech i wyborze cech dla sekwencji czasowych. Omówione zostaną takie zagadnienia jak: binowanie, wygładzanie, transformacje i operacje na zbiorach danych dla szeregów czasowych, analiza spektralna, analiza widm pojedynczych, miary odległości i analiza motywów.

3 zaawansowany Classroom Live Web Classroom e-Learning