No prior knowledge required
No unnecessary risks
借助 SAS Visual Forecasting 和其他 SAS 工具，您将学习研究时间序列、创建和选择特征、大规模构建和管理预测系统，以及使用各种模型来识别、评估和预测重要的信号元素。
在该专业的项目中，学生将发现高价值系列中的信号元件，然后详细说明适合这些系列的定制规格。这些自定义规范集成到学生创建的大规模预测系统中，以自动执行建模、模型选择和预测过程。
学生适应数据生成过程中的重复事件和异常情况，以改进自动预测系统。
本课程侧重于时间序列的数据研究、特征创建和特征处理。讨论的主题包括：
在本课程中，您将学习执行模体分析并在频谱或频域中应用分析。您还将了解测距仪的工作原理、实施应用程序、研究信号元素以及为时间序列创建特征。
本课程适合具有定量背景的分析师，以及有兴趣在时间序列领域的工具箱中添加工具的该领域的专家。在开始课程之前，您需要熟悉基本的统计概念。您将通过完成 SAS 的统计课程来获得这些经验。熟悉矩阵和关键成分分析也可能有所帮助，但不是强制性的。
在本课程中，您将学习使用 SAS 可视化预测工具开发和维护大规模预测项目。最初的重点将放在：
本课程适合希望使用适用于测试、修改、建模、预测和管理包含随时间收集的变量的数据的分析工具来提高学习技能的分析师。此外，该课程主要基于语法，因此参加本课程的分析师应具备编码的基本知识。具有面向对象编程语言的经验以及熟悉处理大型表的经验会有所帮助。
在本课程中，您将学习构建、优化、扩展，并在某些情况下解释为单个序列系列设计的模型。介绍了三种建模方法：
本课程最后考虑了如何通过结合不同方法的力量来提高预测准确性。最后一课包括有关创建集成预测（或 encelabs）和混合模型的演示。
本课程适合希望使用适用于测试、修改、建模、预测和管理包含随时间收集的变量的数据的分析工具来提高学习技能的分析师。
本课程使用各种不同的编程工具。熟悉 Base SAS、SAS/ETS、SAS/STAT 和 SAS 可视化预测，以及用于有序数据处理和建模的开源工具会有所帮助，但不是强制性的。有关贝叶斯分析和机器学习模型的课程假定您事先了解这些主题。学生获得此背景的方法之一是完成 SAS 课程：使用 SAS 的贝叶斯分析和使用 SAS Viya 的机器学习。
