Опануйте time series forecasting, перетворюючи історичні дані на чіткі прогнози — від простих моделей до сучасних нейромереж
Лектор: Кристина Ісакова
7 років досвіду в Data Science
PhD в галузі математичного моделювання
Щоб прокачатися в машинному навчанні, створювати більш точні ML-моделі та розширити стек професійних навичок
Щоб покращити аналітичні звіти завдяки створенню точних та інформативних прогнозів на основі історичних даних
Щоб набути практичного досвіду роботи з часовими рядами та специфічними моделями, як-от ARIMA, SARIMA, LSTM
Опануєте базові моделі time series — ARIMA та SARIMA, навчитеся будувати, розуміти їхні параметри та використовувати сезонний компонент для точних прогнозів у бізнесі.
Протягом навчання будуватимете й тренуватимете LSTM-моделі для складних часових рядів — щоб прогнозувати складніші тренди та аномалії. В результаті зможете автоматизувати й покращувати прогнозування великих обсягів даних.
Зможете використовувати ансамблеві методи, як-от Bagging та Boosting — щоб оптимізувати ухвалення рішень на основі даних. Це дасть змогу зменшити ризики та покращити ефективність прогнозів у роботі з Big Data.
На початку навчання отримаєте реальний датасет і чітке бізнес-завдання для прогнозування. Займаючись проєктом, зможете пройти повний цикл роботи з time series, створите візуалізацію для презентації інсайтів та оціните ефективність прогнозу.
Гіганти індустрії, як-от Amazon, Uber та Airbnb, використовують time series forecasting для передбачення майбутніх викликів і виявлення прихованих патернів у своїх даних.
За 14 онлайн-занять навчитеся працювати з класичними моделями, як-от ARIMA та SARIMA, а також із сучасними нейронними мережами, зокрема з LSTM, для розв’язання складних бізнес-завдань. Крім цього, опануєте техніки кросвалідації, обробки даних та створення ансамблевих моделей — щоб підвищити точність прогнозів та автоматизувати процеси в компаніях.