• < Онлайн-курс >
  • < 8 недель >
  • < старт 23.11 >

Кристина Исакова

Data Scientist в Holidu

Прогнозирование и анализ временных рядов

Находите закономерности в прошлом и делайте прогнозы на будущее

О курсе

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.

После курса вы сможете использовать библиотеки Pandas, NumPy, Scikit-learn, XGBoots, CatBoots и Prophet для Time Series, строить временные ряды на основе сырых данных, применять разные модели временных рядов: от метода скользящего среднего ― до метода Хольта-Винтерса, разбираться в процессах feature engineering и строить прогнозы «без признаков», строить прогнозы с учетом трендов, сезонности и цикличности.

  • работа с библиотеками Pandas, NumPy, Scikit-learn,
    XGBoots, CatBoots и Prophet для Time Series
  • прогнозирование по методу Хольта-Винтерса,
    методу скользящего среднего и модели ARIMA
  • 3 индивидуальные консультации с лектором в рамках обучения

Специализация курса

курс подойдет
  • Data Scientist (beginner)
  • Data Analyst
  • Developers and Other IT-Specialists
нужно
  • Python
  • Математика и статистика
  • Регрессия и временные ряды

23 ноября — 13 января

12 занятий (по вторникам и четвергам)

Записаться на курс
Лилия Луценко

О лекторе

Кристина Исакова

Data Scientist в Holidu

  • проводит Time Series Analysis и находит аномалии в данных на позиции Data Scientist в немецком стартапе по поиску и бронированию жилья Holidu
  • строит системы автоматизированной блокировки фрода и «плохих» пользователей
  • имеет более 4 лет опыта на позиции Data Scientist
  • разрабатывала модели предсказаний и мониторинга метрик в немецкой транспортной компании FlixBus
  • преподавала физику и математику в Университете Генуи [Италия] и Гамбургском университете [Германия]
  • до работы в сфере IT занималась моделированием витректомии [операции по устранению отслоения сетчатки глаза] и описывала свойства материалов, которые потенциально могут дать осложнения после операции
 

Программа

    • занятие 1
    • онлайн 23.11 на 20:00

    Занятие 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.

    • занятие 2
    • онлайн 25.11 на 20:00

    Занятие 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.

Показать всю программу свернуть программу
    • занятие 3
    • онлайн 30.11 на 20:00

    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.

    • занятие 4
    • онлайн 02.12 на 20:00

    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.

    • занятие 5
    • онлайн 07.12 на 20:00

    Занятие 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.

    • занятие 6
    • онлайн 09.12 на 20:00

    Занятие 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.

    • занятие 7
    • онлайн 14.12 на 20:00

    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.

    • занятие 8
    • онлайн 16.12 на 20:00

    Иерархические модели

    Научитесь подбирать тип отчета под потребности анализа и работать с шаблонами для построения отчетов. Настройте права доступа к отчету.

    • занятие 9
    • онлайн 21.12 на 20:00

    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.

    • занятие 10
    • онлайн 23.12 на 20:00

    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..

    • занятие 11
    • онлайн 11.01 на 20:00

    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.

    • занятие 12
    • онлайн 13.01 на 20:00

    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.

Регистрация

Регистрируясь, вы соглашаетесь с условиями
договора-оферты и пполитикой конфиденциальности.

Скилы после курса

  • 1

    интерпретировать и оценивать результаты прогнозов

  • 2

    находить аномалии и выбросы в реальных данных

  • 3

    применять нейронные сети для временных рядов

What if … :

  • 1. ... курс не понравился — можно вернуть деньги.
  • 2. ... не подходит график занятий — уточните, когда будет следующий поток.
  • 3. ... вы пропустили занятия — сохраняется запись.