[Udemy] Анализ временных рядов на Python (Николай Мациевский)

Sklizad · 17 фев 2023

Изучим регрессию, автокорреляция и рекуррентные нейросети для работы с временными рядами

Чему вы научитесь:

Теория временных рядов

Описание тенденций временного ряда

Прогнозирование временного ряда

Линейная и нелинейная регрессия

ARMA, ARIMA, SARIMA(X)

ADL и VAR

RNN, LSTM и GRU

BiLSTM

Требования:

Продвинутый Python

Основы машинного обучения

Это дополнительный курс программы Машинное обучение от ITtensive по анализу временных рядов.

В курсе разбираются 3 практических задачи:

1. Фьючерсы (цены) на зерно.

Используя помесячные данные фьючерсов на зерно на лондонской бирже и применив ансамбль классических методов - бегущего среднего и полиномиальной регрессии - спрогнозируем цены в период сильной неопределенности.
Проект: прогноз фьючерсов на июнь 2022 года

2. Курсы валют.

Изучим частотный и эконометрический подход для описание и прогнозирования курса доллара к рублю. Научимся раскладывать ряд на тренд, сезонность и вариацию и использовать модели ARMA, ARIMA, SARIMA, а также векторные (факторные) данные. Попробуем библиотеки Prophet и Auto-TS (автоматическое машинное обучение).
Проект: прогноз объема экспорта в декабре 2022 года

3. Активность потребителей электроэнергии.

Разберемся с нейронными сетями и на основе достаточно стационарного ряда спрогнозируем его поведение, используя ансамбль из рекуррентных нейросетей.
Курсовой проект: прогноз курса акций, используя рекуррентные нейросети.

Теория по курсу включает:

Понятие и цели анализа временного ряда

Базовые техники - полиномиальные тренды и бегущее среднее

Модель Хольта-Винтерса и цвета шума

Авторегрессия и стационарность ряда

AR/MA, ARIMA, SARIMA(X)

ADL и VAR

Методологию анализа временных рядов и дрейф данных

Рекуррентные нейросети

LSTM, GRU, ConvLSTM и BiLSTM

В заключении посмотрим на модели WaveNet и трансформеры (механизмы внимания).

Для кого этот курс:

Инженеры по данным, работающие с временными сериями

Разработчики Python, прогнозирующие временные ряды

Ученые по данным, исследующие временные зависимости

01. Введение

Введение.mp4

02. Линейная регрессия и скользящие окна

Понятие временного ряда.mp4

Цели анализа временных рядов.mp4

Полиномиальные тренды.mp4

Скользящие средние.mp4

Метод экспоненциального сглаживания.mp4

Сигнал и шум.mp4

03. Практикум Цены на зерно

Цены на зерно.mp4

Исходный код.html

Скользящее окно.mp4

Исходный код.html

Экспоненциальное среднее.mp4

Исходный код.html

Модель Хольта-Винтерса.mp4

Исходный код.html

Частотный анализ.mp4

Исходный код.html

04. Проект предсказание цен

Фьючерсы на зерно.html

05. Эконометрический подход

Авторегрессия.mp4

Стационарность.mp4

ARMA.mp4

ARIMA.mp4

SARIMA(X).mp4

ADL и VA.mp4

Автокорреляция.html

06. Практикум Курсы валют

ARMA.mp4

Исходный код.html

ARIMA.mp4

Исходный код.html

SARIMA.mp4

Исходный код.html

PROPHET.mp4

Исходный код.html

Auto-TS.mp4

Исходный код.html

07. Проект Объем экспорта

Прогнозирование объема экспорта.txt

08. Методология анализа временных рядов и нейросети

Анализ временных рядов.mp4

Дрейф данных.mp4

RNN.mp4

LSTM.mp4

GRU.mp4

BiLSTM и ConvLST.mp4

Рекуррентные нейросети.html

09. Практикум Активность потребителей

Потребители энергии.mp4

Исходный код.html

CatBoost.mp4

Исходный код.html

RNN.mp4

Исходный код.html

LST.mp4

Исходный код.html

GRU.mp4

Исходный код.html

BiLST.mp4

Исходный код.html

10. Курсовой проект

Моделирование временного ряда.txt

11. Заключение

Поздравления.mp4

Продажник:
Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

Sklizad

Уведомляем вас о начале сбора взносов.
Цена продукта: 1600 руб. Взнос с каждого участника: 100 руб.
Кол-во участников в основном списке: 1 чел.

Начало сбора взносов 21 Февраль 2023 года