Админ. и Програм. Скачать [Центр digital-профессий ITtensive] [Udemy] Анализ временных рядов на Python (2023)

[superslivman]

[Центр digital-профессий ITtensive] [Udemy] Анализ временных рядов на Python (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

Продажник:

Этот курс доступен с подпиской: Премиум и Премиум MAX

Скачать:

Этот курс доступен с подпиской: Премиум и Премиум MAX