SAS
Modeling Time Series and Sequential Data

Diese kurs ist nicht verfügbar in Deutsch (Deutschland)

Wir übersetzen es in weitere Sprachen.
SAS

Modeling Time Series and Sequential Data

Chip Wells
Ari Zitin
Danny Modlin

Dozenten: Chip Wells

Bei Coursera Plus enthalten

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
Stufe Mittel
Einige einschlägige Kenntnisse erforderlich
Es dauert 11 Stunden
3 Wochen bei 3 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
Stufe Mittel
Einige einschlägige Kenntnisse erforderlich
Es dauert 11 Stunden
3 Wochen bei 3 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

19 Aufgaben

Unterrichtet in Englisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Platzhalter

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung Analyzing Time Series and Sequential Data
Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.
  • Lernen Sie neue Konzepte von Branchenexperten
  • Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
  • Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
  • Erwerben Sie ein Berufszertifikat zur Vorlage
Platzhalter
Platzhalter

Erwerben Sie ein Karrierezertifikat.

Fügen Sie diese Qualifikation zur Ihrem LinkedIn-Profil oder Ihrem Lebenslauf hinzu.

Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung.

Platzhalter

In diesem Kurs gibt es 8 Module

In this module you get an overview of the courses in this specialization and what you can expect.

Das ist alles enthalten

1 Video1 Lektüre

In this module, you get an idea of the scope of this course and learn to use the SAS Virtual Lab to do the practices in the course.

Das ist alles enthalten

1 Video2 Lektüren1 App-Element

This module reviews fundamental time series ideas. You learn about the basic components of systematic variation in time series data and some simple model specifications, such as the autoregressive order one and the random walk. You also learn about Exponential smoothing models or ESMs, selecting a champion ESM, and generating forecasts on time series.

Das ist alles enthalten

11 Videos2 Aufgaben

This module has four parts. The first part describes traditional models for stationary data: Auto Regressive Moving Average or ARMA models. The second part describes how the ARMA framework is generalized to accommodate trend variation. This involves integration, and results in the ARIMA model. The third part describes how the ARIMA model is adapted to handle seasonal variation in the data. The fourth and final part of the module introduces the dynamic regression or ARIMAX model and describes concepts related to identifying transfer function components and specifying ARIMAX models.

Das ist alles enthalten

26 Videos2 Aufgaben1 App-Element

In this module, we combine the worlds of time series and Bayesian analysis. We begin with a brief review of Bayesian analysis. We then explore how to incorporate autoregressive, seasonal, and exogenous components in a Bayesian time series. We conclude with a discussion on Bayesian scoring and posterior predictive distributions.

Das ist alles enthalten

10 Videos8 Aufgaben1 App-Element

In this module you learn how to use SAS machine learning tools to forecast individual time series. You learn to prepare the time series data for use with the machine learning tools, and how to build and score forecasting models using these tools. We focus on gradient boosting and recurrent neural network models and discuss when it would be useful to use these methods.

Das ist alles enthalten

8 Videos1 Lektüre5 Aufgaben1 App-Element

This module describes how forecasts that are generated externally to the forecasting system can be accommodated in SAS Visual Forecasting. We'll use external forecasts to create a combined or ensemble forecast that has the potential to improve forecast precision relative to the constituent, external forecasts. This module concludes with a discussion of hybrid model forecasts that combine traditional and machine learning approaches to forecasting.

Das ist alles enthalten

9 Videos1 Aufgabe1 App-Element

Das ist alles enthalten

1 Aufgabe

Dozenten

Chip Wells
SAS
3 Kurse2.621 Lernende
Ari Zitin
SAS
2 Kurse5.037 Lernende
Danny Modlin
SAS
1 Kurs1.341 Lernende

von

SAS

Empfohlen, wenn Sie sich für Data Analysis interessieren

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.
Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“
Jennifer J.
Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“
Larry W.
Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“
Chaitanya A.
„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“
Platzhalter

Neue Karrieremöglichkeiten mit Coursera Plus

Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten

Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.

Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online

Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.

Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.

Häufig gestellte Fragen