BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Eventin//Event Calendar//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
BEGIN:VEVENT
UID:b25295aad780218c4237fc4a676e5d30@smartfactory-academy.de
SUMMARY:Zeitreihendaten meistern: KI-gestützte Analyse und Visualisierung 
 für datengestützte Entscheidungen
DESCRIPTION:In nahezu jedem modernen Unternehmen fließen Ströme von Zeitr
 eihendaten – von Verkaufszahlen und Nutzerverhalten über Maschinensensor
 daten bis hin zu Finanzmarktbewegungen. Doch diese gewaltigen Datenmengen b
 ergen ungenutzte Potenziale. Wie können Sie Muster erkennen\, zukünftige 
 Entwicklungen vorhersagen und komplexe Zusammenhänge verständlich visuali
 sieren\, um datengestützte Entscheidungen zu treffen? Dieser Kurs zeigt Ih
 nen\, wie Sie mit modernen KI-Methoden Ihre Zeitreihendaten zum Sprechen br
 ingen\nIhr Nutzen aus dem Kurs\nDieser praxisorientierte Workshop vermittel
 t Ihnen die Schlüsselkompetenzen\, um Zeitreihendaten effektiv zu analysie
 ren\, zu modellieren und zu visualisieren. Sie lernen\, wie Sie Künstliche
  Intelligenz einsetzen\, um verborgene Trends aufzudecken\, präzise Vorher
 sagen zu treffen und komplexe dynamische Prozesse zu verstehen. Wir decken 
 verschiedene fortschrittliche Methoden ab\, von klassischen Zeitreihenmodel
 len bis hin zu Deep Learning für sequentielle Daten. Darüber hinaus entwi
 ckeln Sie Fähigkeiten\, um Ihre Ergebnisse überzeugend und intuitiv zu vi
 sualisieren\, sodass Stakeholder schnell fundierte Entscheidungen treffen k
 önnen.\nÜberblick der Kursinhalte\n\n\nGrundlagen der Zeitreihenanalyse\n
 \n\nWas sind Zeitreihendaten? Eigenschaften\, Herausforderungen und Datenfo
 rmate.\n\n\nWichtige Konzepte: Trends\, Saisonalität\, Zyklen und Rauschen
 .\n\n\nPraxisbeispiele: Zeitreihen in verschiedenen Domänen (Finanzen\, Pr
 oduktion\, Marketing\, IoT).\n\n\n\n\nKlassische Zeitreihenmodelle & Vorver
 arbeitung\n\n\nDatenaufbereitung: Missing Values\, Resampling\, Feature Eng
 ineering.\n\n\nStatistische Modelle: ARIMA\, Exponential Smoothing (Kurze E
 inführung und Anwendungsfälle).\n\n\nInteraktive Visualisierung I: Erste 
 Schritte mit Dashboards und interaktiven Plots.\n\n\n\n\nKI für Zeitreihen
 : Machine Learning\n\n\nFeature Engineering für ML-Modelle: Erstellung von
  relevanten Features aus Zeitreihen.\n\n\nÜberwachtes Lernen: Random Fores
 ts\, Gradient Boosting Machines für Zeitreihenprognosen.\n\n\nEvaluierungs
 metriken: Wie Sie die Qualität Ihrer Prognosen richtig bewerten.\n\n\n\n\n
 KI für Zeitreihen: Deep Learning \n\n\nNeuronale Netze für Sequenzen: Ei
 nführung in Recurrent Neural Networks (RNNs) und LSTMs.\n\n\nPraxis-Worksh
 op: Implementierung eines Deep-Learning-Modells zur Zeitreihenprognose (z.B
 . TensorFlow/Keras).\n\n\nVisualisierung komplexer Modelle: Interpretierbar
 keit von Deep-Learning-Ergebnissen.\n\n\n\n\nFortgeschrittene Visualisierun
 g & Ausblick\n\n\nInteraktive Visualisierung II: Fortgeschrittene Techniken
  für explorative Analyse und Ergebnispräsentation.\n\n\nAnomaly Detection
  in Zeitreihen: Erkennen ungewöhnlicher Muster.\n\n\nZukünftige Trends: A
 ktuelle Entwicklungen und Herausforderungen in der Zeitreihenanalyse mit KI
 .\n\n\n\n\n \n 
LOCATION:Hybrid
DTSTAMP:20260422T150027Z
DTSTART:20260617T070000Z
DTEND:20260617T150000Z
END:VEVENT
END:VCALENDAR