Course Outline

Προβλήματα που αντιμετωπίζουν οι μετεωρολόγοι

    Σχεδιασμός ζήτησης πελατών Αβεβαιότητα επενδυτών Οικονομικός σχεδιασμός Εποχιακές αλλαγές στη ζήτηση/χρήση Ρόλοι κινδύνου και αβεβαιότητας

Χρονικές σειρές Forecasting

    Εποχιακή προσαρμογή Κινητός μέσος όρος Εκθετική εξομάλυνση Παρέκταση Γραμμική πρόβλεψη Εκτίμηση τάσης Σταθερότητα και μοντελοποίηση ARIMA

Οικονομετρικές μέθοδοι (περιστασιακές μέθοδοι)

    Ανάλυση παλινδρόμησης Πολλαπλή γραμμική παλινδρόμηση Πολλαπλή μη γραμμική παλινδρόμηση Επικύρωση παλινδρόμησης Forecasting από παλινδρόμηση

Μέθοδοι κρίσης

    Έρευνες Μέθοδος Δελφών Δόμηση σεναρίου Πρόβλεψη τεχνολογίας Πρόβλεψη κατ' αναλογία

Προσομοίωση και άλλες μέθοδοι

    Προσομοίωση Αγορά Πρόβλεψης Πιθανολογική πρόβλεψη και πρόβλεψη συνόλου

Requirements

Αυτό το μάθημα αποτελεί μέρος του συνόλου δεξιοτήτων του Data Scientist (Τομέας: Αναλυτικές Τεχνικές και Μέθοδοι).

  14 Hours
 

Number of participants


Starts

Ends


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

Testimonials (2)

Related Courses

Introduction to Data Visualization with Tidyverse and R

  7 Hours

Big Data Business Intelligence for Telecom and Communication Service Providers

  35 Hours

From Data to Decision with Big Data and Predictive Analytics

  21 Hours

Matlab for Predictive Analytics

  21 Hours

Big Data Business Intelligence for Criminal Intelligence Analysis

  35 Hours

RapidMiner for Machine Learning and Predictive Analytics

  14 Hours

DataRobot

  7 Hours

Introduction to R

  21 Hours

Related Categories