emrald home page
Correlation Matrix

Training

Energiewirtschaft

Banking & Finance

Excel-Workshops

Inhouse-Schulungen

Inhouse-Solution-Workshops

Organisatorisches


Home


  userid            password


Datenschutzerklärung

Impressum

© Emrald Risk Consulting GmbH

Baumschulenstr. 26
12437 Berlin
Germany

Tel.: (030) 3011 3012
Fax: (030) 3011 3065

webmaster@emrald.com


validate HTML 4.01

Machine Learning und Prognosen im Energiebereich (Online)

Online Computer-Workshop mit Python

Termin:  25. Oktober 2024, 29. Oktober 2024, 05. November 2024

Trainer:   Sven Joergens

Preis:   2150.00 EUR zzgl. MwSt.    Anmeldung hier...




Inhalt

Ziel des Workshops ist es, den Einsatz von Machine Learning mit neuronalen Netzen für energiewirtschaftliche Prognosen zu erarbeiten. Nach einer Einführung in die Funktionsweise von neuronalen Netzen konstruieren wir ein erstes einfaches Netz zum Erlernen von einigen deterministischen Funktionen. Wir machen uns dabei mit der Phyton Entwicklungsumgebung Anaconda und den Tensorflow/Keras Packages vertraut.
Auf Basis von Zeitreihen aus der Energiewirtschaft experimentieren wir mit Netzen zur Prognose. Wir denken dabei an kurzfristige Prognosen der Kundenlast (Strom/Gas/Wärme) oder z.B. des RZ-Saldos. Die Zeitreihen sollten genügend Struktur aufweisen, die das Netz erlernen kann. Damit kommen auch Spot- oder Intraday-Preise in Betracht, nicht aber Futures-Preise (Random Walk).
Wir steigern die Komplexität der Modelle durch multivariate Ansätze und spezielle Layers wir RNN, LSTM oder Convolution. Zur Überwindung der limitierten Rechenleistung unserer Schulungs-Laptops migrieren wir komplexe Netze auf GPU/TPU-unterstützte Cloud Server. Statistische Prognosemodelle dienen als Benchmark für den Erfolg unserer Experimente.

Themen

Neural Networks Hidden Layers Deep Learning Backpropagation Python, NumPy TensorFlow, Keras TensorBoard Prognosemethoden Training, Validierung, Test CPU, GPU, TPU PVC RNN, LSTM Convolutional Layers, Pooling Hyperparameter Tuning

Zielgruppe

Die Veranstaltung wendet sich an Prognose-Interessierte aus der Energiewirtschaft, wobei weder zum Thema Machine Learning noch zu den verwendeten Tools Vorkenntnisse erwartet werden. Erfahrungen mit Python wären aber sicherlich hilfreich.

Sven Joergens

Senior Consultant
Emrald Risk Consulting GmbH

Herr Joergens ist seit mehr als 10 Jahren Senior Consultant für kundenspezifische Lösungen in den Bereichen Finance und Energy. Zuvor war er als Softwareentwickler im Investment Banking tätig.


Tag 1
09:00  - 10:30 Timeseries Forecasting Taxonomy, Python, NumPy, TensorFlow, Keras
10:30  - 10:45 Kaffeepause
10:45  - 12:30 Perceptron, Backpropagation, Gradient Descent, Optimizers
12:30  - 14:30 Pause
14:30  - 16:00 Recap, Programmieren, Beispiel: NRV-Saldo prognostizieren
Tag 2
09:00  - 10:30 Training, Validation, Overfitting, Convolutional Layers
10:30  - 10:45 Kaffeepause
10:45  - 12:30 Recurrent Layers, LSTM
12:30  - 14:30 Pause
14:30  - 16:00 Recap, Programmieren, Beispiel: Strom-Spotpreise prognostizieren
Tag 3
09:00  - 10:30 Concatenation Layers, Migration auf Cloud Server mit GPU/TPU
10:30  - 10:45 Kaffeepause
10:45  - 12:30 Multi Channel, Multi Label, Normalisierung, Hyperparameter Tuning
12:30  - 14:30 Pause
14:30  - 16:00 Fazit, Ausblick, Wünsche, Diskussion
Format

Online-Workshop unter Einsatz von Python, Tensorflow, etc. maximal 6 TN viel Interaktivität und Individualität

Hinweise zur Technik

Hardware: Windows-Rechner mit zwei Monitoren, Headset (kein Handy Headset), Webcam
Software: Python (Anaconda3) und div. weitere Tools