Освойте time series forecasting, превращая исторические данные в четкие прогнозы — от простых моделей до современных нейросетей
Лектор: Кристина Исакова
7 лет опыта в Data Science
PhD в области математического моделирования
Чтобы прокачаться в машинном обучении, создавать более точные ML-модели и расширить стек профессиональных навыков
Чтобы улучшить аналитические отчеты, создавая точные и информативные прогнозы на основе исторических данных
Чтобы получить практический опыт работы с временными рядами и специфическими моделями, такими как ARIMA, SARIMA, LSTM
Освоите базовые модели временных рядов — ARIMA и SARIMA, научитесь строить, понимать их параметры и использовать сезонный компонент для точных прогнозов в бизнесе.
В течение обучения будете строить и тренировать LSTM-модели для сложных временных рядов — чтобы прогнозировать более сложные тренды и аномалии. В результате сможете автоматизировать и улучшать прогнозирование больших объемов данных.
Научитесь использовать ансамблевые методы, такие как Bagging и Boosting, чтобы оптимизировать принятие решений на основе данных. Это позволит снизить риски и улучшить эффективность прогнозов в работе с Big Data.
В начале обучения получите реальный датасет и четкую бизнес-задачу для прогнозирования. Занимаясь проектом, сможете пройти полный цикл работы с time series, создадите визуализацию для презентации инсайтов и оцените эффективность прогноза.
Гиганты индустрии, такие как Amazon, Uber и Airbnb, используют time series forecasting для предсказания будущих вызовов и обнаружения скрытых паттернов в своих данных.
За 14 онлайн-занятий научитесь работать с классическими моделями, например, с ARIMA и SARIMA, а также с современными нейронными сетями, такими как LSTM, для решения сложных бизнес-задач. Кроме этого, овладеете техникой кросс-валидации, обработки данных и создания ансамблевых моделей — чтобы повысить точность прогнозов и автоматизировать процессы в компаниях.