Diese Weiterbildung vermittelt dir praxisnahes Wissen im Themenfeld Prognosemodellierung mit Python. Du lernst, typische Aufgaben sicher einzuordnen, passende Methoden und Werkzeuge anzuwenden und Ergebnisse nachvollziehbar aufzubereiten. Im Mittelpunkt stehen praxisnahe Anwendungen aus den Bereichen Python, Data Science und AI und Big Data, die dich in deiner Rolle als BI-Analyst:in oder in vergleichbaren beruflichen Aufgaben unterstützen.Datenaufbereitung und Zeitreihenstrukturen in Python*Grundlagen der Zeitreihendaten: Trendkomponenten, Saisonalität und Rauschen*Datenbereinigung und Indexierung mit pandas für Prognosezwecke*Fehlende Werte, Ausreißer und Datenlücken in Zeitreihendaten behandelnStatistische Prognosemodelle und ihre Anwendung*Glättungsverfahren: Exponentielle Glättung und Holt-Winters-Modell*ARIMA- und SARIMA-Modelle: Parameterwahl, Schätzung und Diagnose*Modellauswahl anhand von Informationskriterien und FehlermetrikenMachine-Learning-basierte Prognoseansätze*Regression und Gradient Boosting für Prognoseanwendungen*Feature Engineering aus Zeitreihendaten: Lags, Rolling Statistics, Kalendermerkmale*Validierungsstrategien: Walk-Forward-Validierung und Cross-Validation für ZeitreihenDeployment und Integration von Prognosemodellen im BI-Kontext*Modellpersistenz und Versionierung mit Python-Standardwerkzeugen*Einbindung von Prognosemodellen in BI-Dashboards und Reporting-Pipelines*Monitoring von Modellgenauigkeit und automatisierte NeutrainierungDiese Weiterbildung unterstützt dich dabei, typische Aufgaben im Themenfeld Prognosemodellierung mit Python sicherer und effizienter zu bewältigen. Du verbindest fachliches Wissen mit praxisnahen Methoden und Werkzeugen aus den Bereichen Python, Data Science und AI und Big Data. So stärkst du deine Handlungssicherheit für deine Rolle als BI-Analyst:in und kannst die Inhalte direkt in deinem Berufsalltag anwenden.