Yangban Tal
Редактор
- Регистрация
- 24.06.19
- Сообщения
- 35,836
- Реакции
- 222,771
Название: Анализ временных рядов на Python (2023)
Автор: Udemy
Изучим регрессию, автокорреляция и рекуррентные нейросети для работы с временными рядами
Чему вы научитесь:
СКАЧАТЬ:
Автор: Udemy
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
СКАЧАТЬ:
Чтобы увидеть это скрытое содержимое, вы должны поставить мне нравится в конце сообщения Мне нравится
Похожие темы
- [Udemy] Artur Sobolevskij ― Как успевать в 2 раза больше без стресса и выгорания (2023)
- [Udemy] Alexey Zlotnik - Как начать карьеру на Фрилансе. Заработок на Upwork в 2023
- [Udemy] Ларно Виссер - Мастер-класс Adobe Firefly - следующий шаг в генеративном искусственном интеллекте (2023)
- [Udemy] Vitalii Shumylo - Master Python: от новичка до профессионала с практическими задачами по кодированию (2023)
- [Udemy] Maneesha S. Nirman - Полный курс Foundation Binance по алгоритмическому трейдингу (2023)
- [Udemy] ChatGPT SEO: Повышение рейтинга, трафика и успеха в Интернете (2023)
- [Web Oral] [Udemy] Заработок с ChatGPT - легкий способ для новичков (2023)
- [Udemy] Philip Cotton - Полное руководство для начинающих по 3D-печати; Учебный лагерь (2023)
- [Udemy] Секреты и совершенное владение ChatGPT (2023)
- [Хиари Арбиа] [Udemy] ChatGPT и ваш первый доход в Интернете: практический курс (2023)