Прогнозирование и анализ временных рядов [2021] [robot dreams] [Кристина Исакова]

Прогнозирование и анализ временных рядов [2021] robot dreams Кристина Исакова Что будет с продажами в следующем месяце, какое количество пользователей вернется за вашим продуктом, как распределить рабочую силу и сколько новых сотрудников нанять, чтобы нарастить производство, ― это лишь часть вопросов, на которые можно ответить с помощью Time Series. Реализовывать модели временных рядов вы научитесь на курсе. О курсе: Time Series покрывают огромный пласт задач Data Science, связанных с прогнозированием, поиском аномалий и предиктивной аналитикой. На курсе вы разберетесь в фундаментальных принципах построения временных рядов и освоите все необходимые библиотеки Python для этого. Будете строить прогнозы с учетом трендов, сезонности и цикличности, интерпретировать и оценивать результаты прогнозов, находить аномалии и применять нейронные сети для временных рядов. В результате ― научитесь делать прогнозы даже в условиях неопределенности. Курс подойдет: 1. Developers / Software Architect Научитесь разрабатывать дизайн систем так, чтобы они могли легко масштабироваться, сохраняя компромисс между надежностью, ресурсами и временем​ 2. DevOps / Tech Lead / Team Lead Узнаете, как крупные мировые компании справляются с высокой нагрузкой, разработаете собственную Highload-архитектуру и научитесь выбирать подходящие решения исходя из задач бизнеса​ 3. CEO / CTO Вы получите фундаментальные знания в области системного дизайна, поймете, какие технологии применять в той или иной ситуации, и сможете оценивать затраты на реализацию сложных решений​ Модуль 1 - Введение в Time Series Определите, чем задачи, которые можно решить с помощью Time Series, отличаются от других задач Machine Learning. Ознакомьтесь с библиотеками Python, которые используются в Time Series [Pandas, NumPy, Scikit-learn, XGBoost, CatBoost]. Изучите схему анализа временного ряда: от агрегации ― до построения модели и оценки качества предсказания. Постройте временной ряд на основе сырых данных. Модуль 2 - Базовые элементы статистики Вспомните базовые понятия статистики, необходимые для дальнейшей оценки предсказаний во временных рядах. Разберитесь в метриках оценки предсказаний. Изучите суть доверительных интервалов и научитесь грамотно представлять результаты своих предсказаний. Постройте простую модель временного ряда и оцените ее точность. Сделайте cross validation для Time Series и определите, чем она отличается от обычной cross validation. Модуль 3 - Декомпозиция временных рядов Разберитесь в нюансах работы с разными форматами данных (.csv, .txt, .json). Научитесь подключать внешние базы данных и данные веб-страниц к Excel. Напишите макросы для для автоматического обновления данных с тех источников, которые вы подключили к программе. Модуль 4 - Методы экспоненциального сглаживания [теория] Изучите методы построения предсказаний. Поймите суть моделей экспоненциального сглаживания и научитесь повышать сложность модели за счет тренда, сезонности и цикличности. Изучите метод Хольта-Винтерса. Модуль 5 - Методы экспоненциального сглаживания [практика] Примените изученные методы на практике. Научитесь аргументировать выбор того или иного метода под задачу. По желанию забронируйте слот на 30 минут личной консультации с лектором и подготовьте вопросы по пройденному материалу. Модуль 6 - Конструирование признаков и регрессионные модели Ознакомьтесь с преимуществами и недостатками линейной регрессии на реальных примерах. Изучите процессы feature engineering. Узнайте, что можно сделать с временным рядом, если есть только временная переменная и зависимая переменная, которую надо предсказать. Научитесь работать с ограниченным количеством признаков и добавлять нужные признаки по необходимости. Модуль 7 - Модель ARIMA Разберитесь в понятиях [стационарность, авторегрессия, частичная авторегрессия]. Научитесь строить модель ARIMA. Разберите несколько временных рядов на компоненты. Напишите отчет о моделях. По желанию забронируйте слот на 30 минут личной консультации с лектором и подготовьте вопросы по пройденному материалу. Модуль 8 - Иерархические модели Научитесь подбирать тип отчета под потребности анализа и работать с шаблонами для построения отчетов. Настройте права доступа к отчету. Модуль 9 - Библиотека Prophet Ознакомьтесь с алгоритмом работы библиотеки Prophet от Facebook. Узнайте, какие типы задач можно решить с помощью этой библиотеки и какие формулы для этого стоит применять. Сделайте предсказание для временного ряда. Модуль 10 - Аномалии и выбросы в данных Повторите все темы курса. Ознакомьтесь с Roadmap аналитика и поймите, в каком направлении вам необходимо развиваться. Задайте вопросы лектору о профессии, сложных темах и личном опыте. Модуль 11 - Нейронные сети для временных рядов [теория] Ознакомьтесь с основными понятиями нейронных сетей. Изучите принципы построения нейронных сетей. Научитесь использовать нейронные сети для анализа временных рядов. Модуль12 - Нейронные сети для временных рядов [практика] Вместе с лектором постройте нейронную сеть для предсказаний. Оцените эту модель и сравните ее с предыдущими. Научитесь выбирать оптимальный метод исходя из задачи. Презентуйте финальный проект и получите фидбек от лектора. Примечание: на момент создания темы актуальная цена не известна.