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​

Спойлер: Содержание

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.

Продажник