Prognozowanie i analiza danych w energetyce

online lub stacjonarnie 4 dni

Zastosowanie: Biznes i zarządzanie, Przemysł, jakość, technologia

Oprogramowanie: Statistica | Poziom: Zaawansowany | Język: Polski

Cena regularna: 5195 zł netto

Cena dla akademickich użytkowników Statistica (-15%)*: 4416 zł netto

Zapisz się

Zarezerwuj / Zapytaj

O kursie
Program
Prowadzący
Informacje organizacyjne
Ceny

Szkolenie wprowadza od podstaw niezbędne pojęcia statystyczne, a następnie kolejne metody analityczne: analizę regresji, metody prognozowania szeregów czasowych, prognozowanie za pomocą sieci neuronowych, a także metody klasyfikacji. Na szkoleniu będą wykorzystane rzeczywiste dane pochodzące z polskich przedsiębiorstw.

Dla kogo?

Dla wszystkich, którzy przygotowują prognozy zapotrzebowania na energię elektryczną lub cieplną i jej przyszłego zużycia – w elektrowniach, elektrociepłowniach, zakładach energetycznych itp.

Co zyskasz?

Poznasz podstawowe pojęcia z zakresu prognozowania
Poznasz różnorodne metody umożliwiające formułowanie prognoz oraz ocenę ich trafności
Dowiesz się, które z zaawansowanych metod prognozowania stosować w branży energetycznej
Nauczysz się samodzielnie modelować i prognozować szeregi czasowe w programie Statistica
Zaoszczędzisz czas i zredukujesz wydatki firmy, stosując nowoczesne narzędzia Statistica do prognozowania zapotrzebowania oraz zużycia energii elektrycznej lub cieplnej

Program szkolenia:

Wprowadzenie do statystycznej analizy danych
- Podstawowe pojęcia
- Zakres zastosowań metod statystycznych
Wybrane operacje na danych
- Import arkusza MS Excel i sposoby sprawdzania poprawności danych
- Czyszczenie danych
Elementy statystyki opisowej
- Badanie rozkładu zmiennych
- Charakterystyki liczbowe rozkładu zmiennej
- Analiza statystyk opisowych w grupach
Elementy wnioskowania statystycznego
- Testowanie hipotez statystycznych
- Przykłady weryfikacji hipotez statystycznych
Wybrane metody analizy współzależności pomiędzy zmiennymi
- Wprowadzenie
- Elementy analizy korelacyjnej
- Regresja liniowa dwóch zmiennych (regresja prosta)
- Regresja wieloraka
  - Metody budowy modeli
- Estymacja modeli nieliniowych
Metody prognozowania szeregów czasowych – wprowadzenie
- Składniki szeregu czasowego
- Metody prognozowania
- Miary oceny trafności prognoz
Analiza trendu
- Średnie ruchome
- Analityczna metoda wyodrębniania trendu
- Eliminacja trendu
Analiza wahań okresowych
- Sezonowość addytywna i multiplikatywna
- Metoda Census I
- Eliminacja wahań okresowych
Zastosowanie modeli regresji w prognozowaniu szeregów czasowych
- Trendy
- Modele ze zmiennymi zerojedynkowymi
- Modele autoregresji
- Uwzględnianie informacji ze zmiennych dodatkowych
- Trendy jednoimiennych okresów
Modele ARIMA
- Struktura modelu
- Doprowadzanie analizowanego procesu do stacjonarności
- Poszukiwanie dopuszczalnego modelu
- Weryfikacja modelu
Wyrównywanie wykładnicze
- Zasady wyrównywania wykładniczego
- Wybór modelu
- Ocena wyników
Analiza skupień
- Podstawy analizy skupień
- Wybór miary odległości, metody i strategii grupowania
- Metoda Warda i metoda k-średnich
- Zastosowanie metod analizy skupień w analizie szeregów czasowych
Analiza obserwacji ekstremalnych i nietypowych
Analiza dyskryminacyjna
Modele logitowe
Sieci neuronowe
- Neuron i jego budowa
- Sieć neuronowa – architektura, funkcje aktywacji i błędu
- Uczenie sieci
- Zalety sieci i zagrożenia związane z ich stosowaniem
- Neuronowe modele regresyjne
- Wykorzystanie sieci do prognozowania szeregów czasowych
- Techniki klasyfikacji wzorcowej

Polecamy kolejne szkolenia:

[PL] Grzegorz Migut z brodą, w ciemnej marynarce i jasnoniebieskiej koszuli w kropki, ze złączonymi dłońmi, na jednolitym tle. [EN] Grzegorz Migut with a beard in a dark blazer and a light blue polka-dot shirt, with clasped hands, against a plain background.

dr Grzegorz Migut

Doktor, Uniwersytet Ekonomiczny w Krakowie, Kolegium Nauk o Zarządzaniu i Jakości. Magister Informatyki Ekonomicznej. Prowadzi zajęcia na Studiach Podyplomowych Business Intelligence w Szkole Głównej Handlowej oraz Studiach Podyplomowych z Biostatystyki na Uniwersytecie Medycznym w Łodzi. Posiada ponad 20 letnie doświadczenie w analityce danych oraz uczeniu maszynowym. Realizował oraz kierował projektami analitycznymi dla największych polskich firm z branży finansowej oraz przemysłowej. Posiada doświadczenie w realizacji projektów z obszaru badań medycznych i przyrodniczych. Prowadzi konsultacje z zakresu wykorzystania zaawansowanych metod analizy danych.
Obecnie realizuje bądź współrealizuje następujące szkolenia: Sieci neuronowe, Regresja logistyczna w badaniach medycznych i przyrodniczych, Analizy wielowymiarowe w Python, Statystyka w medycynie – analiza danych jakościowych, Modele klasyfikacyjne w nauce – budowa, interpretacja i ocena, Statystyka w badaniach naukowych – zastosowania i dobre praktyki, Prognozowanie i analiza danych w energetyce. Prowadzi szkolenia w StatSoft Polska od 2006 roku.

[PL] prof. dr hab. Andrzej Sokołowski w białej koszuli i czarnej marynarce, na jednolitym szarym tle. [EN] Professor Andrzej Sokołowski in a white shirt and black blazer, against a plain gray background.

prof. dr hab. Andrzej Sokołowski

Prof. Andrzej Sokołowski od początku kariery zawodowej jest związany z Uniwersytetem Ekonomicznym w Krakowie (Zakład Statystyki). Pracował także wiele lat w Centrum Onkologii – Oddział w Krakowie. W latach 1990-1994 pracował również jako Visiting Assistant Professor w Department of Economics, Bilkent University w Ankarze, w Turcji. W latach 1999-2002 pełnił funkcję Prorektora ds. Współpracy z Zagranicą a w latach 2012-2016 był Prorektorem ds. Organizacji i Rozwoju na Uniwersytecie Ekonomicznym w Krakowie. Aktualnie jest zatrudniony w Uniwersytecie Andrzeja Frycza Modrzewskiego w Krakowie.
Jego zainteresowania naukowe dotyczą statystyki matematycznej, analiz wielowymiarowych, statystyki medycznej analizy szeregów czasowych oraz komputerowych pakietów statystycznych. Jest autorem lub współautorem wielu książek, rozdziałów w książkach oraz artykułów w czasopismach publikowanych w języku polskim i angielskim.

[PL] Anna Wilk z kucykiem, ubrana w granatową bluzkę z dekoltem w serek, z rękami złączonymi, na jednolitym jasnym tle. [EN] Anna Wilk with a ponytail, wearing a navy blue V-neck blouse, with clasped hands, against a plain light background.

Anna Wilk

Magister Akademii Górniczo-Hutniczej im. Stanisława Staszica w Krakowie, Wydział Matematyki Stosowanej.
Specjalizuje się w analizach wielowymiarowych, uczeniu maszynowym i zastosowaniach analizy danych w biznesie oraz przemyśle farmaceutycznym,. Pracownik StatSoft od 2016 roku. Brała udział i kierowała wieloma projektami dotyczącymi przewidywania wyniku i optymalizacji procesu, prognozowania, segmentacji oraz wyszukiwania anomalii. Prowadzi szkolenia: Statistica kurs podstawowy, Analizy wielowymiarowe, Data mining – metody bez nauczyciela, Statystyka w biznesie – praktyczne narzędzia i techniki analizy, Podstawy analizy danych w środowisku R, Podstawy wizualizacji danych w R z wykorzystaniem pakietu ggplot2, Analizy wielowymiarowe w R. Ma 7-letnie doświadczenie w prowadzeniu szkoleń z analizy danych. W ostatnich 3 latach przeprowadziła ponad 600 godzin kursów.

Godziny zajęć: 8:15 – 15:30

W ramach szkolenia zapewniamy:

obszerne materiały szkoleniowe
świadectwo ukończenia szkolenia
przerwy kawowe i obiad (dla szkoleń stacjonarnych)

Forma szkolenia:

online lub stacjonarnie
forma danej edycji podana przy terminie szkolenia

W przypadku szkoleń online:

zajęcia prowadzone na żywo w MS Teams
kontakt z prowadzącym w czasie rzeczywistym

Wymagania:

umiejętność obsługi komputera w środowisku Windows

Cena regularna: 5195 zł netto (+23% VAT)

Cena dla akademickich użytkowników Statistica (-15%)*: 4416 zł netto (+23% VAT)

*-15% dla akademickich użytkowników Statistica z aktywnym serwisem StatSoft Polska

Podobne szkolenia

Time Series Analysis and Forecasting

The course is for those who would like to learn basic and advanced methods of time series analysis and forecasting. The […]

Dowiedz się więcej

Analizy chemometryczne w Statistica – kurs podstawowy

Po wprowadzeniu teoretycznym do zagadnienia analizy danych uczestnicy poznają techniki planowania i wykonania eksperymentu. Zostaną omówione podstawowe techniki analizy chemometrycznej: analiza podobieństwa (analiza […]

Dowiedz się więcej

Analizy chemometryczne w Statistica – kurs zaawansowany

Po krótkim przypomnieniu najważniejszych zagadnień omawianych na kursie podstawowym zostaną omówione bardziej zaawansowane metody analizy wykorzystywane w chemometrii: analiza czynnikowa model cząstkowych najmniejszych […]

Dowiedz się więcej