[Центр digital-профессий ITtensive] [Udemy] Анализ временных рядов на Python (2023)

[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