Name: Машинное обучение для данных временных рядов на Python
Rating: 4.7729468599033815 (207 reviews)

Описание курса

Данные временных рядов встречаются повсюду. Будь то колебания фондового рынка, показания датчиков, фиксирующих изменение климата, или активность мозга — любой сигнал, изменяющийся во времени, можно описать как временной ряд. Машинное обучение стало мощным инструментом для работы со сложными данными: оно позволяет строить прогнозы и извлекать полезные закономерности. Этот курс находится на пересечении машинного обучения и анализа временных рядов и охватывает проектирование признаков, спектрограммы и другие продвинутые техники для классификации звуков сердцебиения и прогнозирования цен на акции.

Предварительные требования

Manipulating Time Series Data in Python Visualizing Time Series Data in Python Supervised Learning with scikit-learn

Программа

План курса

Введение в временные ряды и машинное обучение

Эта глава знакомит с основами машинного обучения, данными временных рядов и точками их пересечения.

Начать главу

Временные ряды как входные данные модели

Самый простой способ включить временные ряды в пайплайн машинного обучения — использовать их в качестве признаков модели. В этой главе рассматриваются распространённые признаки, извлекаемые из временных рядов для задач машинного обучения.

Начать главу

Прогнозирование временных рядов

Если вы хотите прогнозировать паттерны в данных, изменяющихся со временем, необходимо учитывать особенности выбора и построения модели. В этой главе вы научитесь исследовать данные перед обучением модели, а также освоите лучшие практики предсказательного моделирования для временных рядов.

Начать главу

Валидация и анализ моделей временных рядов

Когда модель для прогнозирования временных рядов готова, важно оценить её качество. Эта глава охватывает основы генерации предсказаний и их проверки на тестовых данных.