Dieser Kurs führt Sie in zusätzliche Themen des maschinellen Lernens ein, die wesentliche Aufgaben ergänzen, darunter Prognosen und die Analyse zensierter Daten. Sie werden lernen, wie Sie Daten mit einer Zeitkomponente und zensierte Daten, die eine Ergebnisinferenz erfordern, analysieren können. Sie lernen einige Techniken für die Zeitreihenanalyse und die Survival-Analyse kennen. Der praktische Teil dieses Kurses konzentriert sich auf die Anwendung von Best Practices und die Überprüfung von Annahmen, die aus dem statistischen Lernen abgeleitet wurden. Am Ende dieses Kurses sollten Sie in der Lage sein: Häufige Herausforderungen bei der Modellierung von Zeitreihendaten zu identifizieren Erklären, wie man Zeitreihendaten zerlegt: Trend, Saisonalität und Residuen Erklären, wie autoregressive, gleitende Durchschnitts- und ARIMA-Modelle funktionieren Verstehen, wie man verschiedene Zeitreihenmodelle auswählt und implementiert Beschreiben Sie Ansätze zur Hazard- und Survival-Modellierung Identifizieren Sie Problemtypen, die sich für die Survival-Analyse eignen Wer sollte diesen Kurs besuchen?

Dieser Kurs richtet sich an angehende Datenwissenschaftler, die praktische Erfahrungen mit der Zeitreihenanalyse und der Überlebensanalyse sammeln möchten. Welche Kenntnisse sollten Sie mitbringen? Um diesen Kurs optimal nutzen zu können, sollten Sie mit der Programmierung in einer Python-Entwicklungsumgebung vertraut sein und grundlegende Kenntnisse in den Bereichen Datenbereinigung, explorative Datenanalyse, Kalkül, lineare Algebra, überwachtes maschinelles Lernen, unüberwachtes maschinelles Lernen, Wahrscheinlichkeitsrechnung und Statistik besitzen.