Title
Анализ временных рядов на Python
Изучим регрессию, автокорреляция и рекуррентные нейросети для работы с временными рядами

What you will learn
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
Why take this course?
🧠 Изучайте анализ временных рядов с Python на ITtensive!
Введение:
Ваш путь к пониманию и мастерству анализа временных рядов начнется с этого курса. Исполнители программы Машинное обучение от ITtensive предложат вам глубокое погружение в мир временных рядров, где вы узнаете как применить регрессию, автокорреляцию и рекуррентные нейросети для получения ценных прогнозов.
О курсе:
Анализ временных рядов на Python - это степень вашего роста в мире данных, где каждая запись имеет свое время и значение. В этом курсе вы:
-
Прогнозирование фьючерсов на зерно: Используйте ансамбль методов - бегущее среднее и полиномиальная регрессия, чтобы спрогнозировать цены на зерно в условиях неопределенности.
- Проект: Создайте прогноз фьючерсов на июнь 2022 года.
-
Анализ курсов валют: Изучите частотный и эконометрический подход, чтобы описать и прогнозировать курс доллара к рублю. Вы научитесь работать с трендами, сезонностью и вариацией, а также применять библиотеки Prophet и Auto-TS.
- Проект: Прогнозируйте объем экспорта в декабре 2022 года.
-
Прогнозирование активности потребителей электроэнергии: Разберемся с нейронными сетями и применимые к стационарным рядам, чтобы спрогнозировать активность потребителей электроэнергии.
- Курсовой проект: Создайте прогноз курса акций с использованием рекуррентных нейросетей.
Основы теории:
- 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
- Методология анализа временных рядов и дрейф данных
- Рекуррентные нейросети (RNN) - LSTM, GRU, ConvLSTM и BiLSTM
- WaveNet и трансформеры (механизмы внимания)
Что вы получите:
- Практический опыт: Реализуйте проекты, которые напрямую применяют изученные методы.
- Гибкие навыки: Понимание как классические, так и современные подходы к анализу временных рядов.
- Инновационные инструменты: Работа с ведущими библиотеками в области машинного обучения и обработки временных данных.
- Инсайты: Прогнозирование ценовых активов, экономические тенденции и поведение пользователей.
Как начать? 🚀
Чтобы приступить к изучению анализа временных рядов на Python в рамках программы Машинное обучение от ITtensive, свяжитесь с нами по адресу support@ittensive.com с названием курса или группы курсов, которые вас интересуют.
Не упустите свой шанс стать экспертом в области анализа временных рядов - запишитесь на курс сегодня!
Screenshots




Charts
Price

Rating

Enrollment distribution
