(Praktikum) Erweiterungen einer State-of-the-Art Forecasting Methode

Motivation

Im Forschungsbereich der Prognose (Forecasting) ist es möglich, durch das Lernen aus der Vergangenheit, zukünftige Beobachtungen vorherzusagen. Allerdings gibt es gemäß des „No-Free-Lunch“ Theorems keine allgemein beste Prognosemethode, die für alle Arten von Daten die besten Ergebnisse liefert. Daher haben wir für unseren Anwendungsfall einen eigenen Forecaster entwickelt. Unser Anwendungsfall bezieht sich dabei auf lange saisonale Zeitreihen. Nun gilt es, diesen Forecaster so zu erweitern, dass man ihn auch auf anderen Arten von Daten anwenden kann.

Ziele

In einem State-of-the-Art Forecaster, der an diesem Lehrstuhl entwickelt wurde, werden Zeitreihen in die Komponenten Trend, Saisonalität und stochastischer Teil zerlegt. Ein weiterer wichtiger Punkt ist nun aber die Identifikation von Wechseln im Trendmuster. Hieran wurde am Lehrstuhl bereits ebenfalls gearbeitet, sodass dies nur noch integriert werden muss. Des Weiteren ist der Forecaster aktuell auf saisonale Daten optimiert. Im Rahmen des Praktikums, soll der Forecaster nun so angepasst werden, dass er auf nicht-saisonalen Daten ebenfalls gut angewendet werden kann. Im jetzigen Zustand bekommt der Forecaster einen Vector an Daten übergeben. Dies soll während des Praktikums insofern erweitert werden, dass alternativ auch eine Matrix übergeben werden kann. Diese sollte dann die Rohdaten sowie weitere Kovariaten (Features) enthalte.

Wir bieten

• Zusammenarbeit mit lokalen Unternehmen
• Eine hervorragende Arbeitsumgebung und intensive Betreuung

• Möglichkeit der Übernahme als Forschungs-HiWi

Dauer                                                                            

3 Monate

KontaktMarwin Züfle

Marwin Züfle, B. Sc.

marwin.zuefle@uni-wuerzburg.de