Просмотр исходного текста страницы Анализ временных рядов (ИИ25, 2-3 модули)

==О курсе==

Занятия проводятся в [https://us06web.zoom.us/j/85663799238?pwd=biCjFwEu26MMndIAnTXAISsoadsWiy.1 Zoom] '''по четвергам в 18:10'''. При переносе занятия проводятся в [https://us06web.zoom.us/j/81797715610?pwd=Zi4SvZA0BdfjyaR6SnAWTttkF1MFbo.1 Zoom] '''по понедельникам в 18:10'''.

==Контакты==

Канал курса в TG: https://t.me/c/3194229958/10

Чат курса в TG: https://t.me/c/3194229958/1

Преподаватель: Алина Костромина (@elineii), Азиз Темирханов (@MrDredD).

{| class="wikitable"
|-
! Ассистент !! Контакты 
|-
| style="background:#eaecf0;" | Саламашенкова Дарья || @salamashenkovadasha
|-
| style="background:#eaecf0;" | Родионов Никита || @white_shpengler
|-
| style="background:#eaecf0;" | Чуйкин Никита || @darcy_tremor
|-
| style="background:#eaecf0;" | Журович Яна || @janinaal
|-
| style="background:#eaecf0;" | Демиденко Никита || @kalxon
|-
| style="background:#eaecf0;" | Анастасия Струнова || @bloodaggie
|}

==Материалы курса==
Ссылка на плейлист курса на YouTube: [https://www.youtube.com/playlist?list=PLmA-1xX7IuzDK0OSCArxNjG_VDuYOXxTs YouTube-playlist]

Ссылка на плейлист курса в VK: [https://vkvideo.ru/playlist/-227011779_60 VK-playlist]

GitHub репозиторий: https://github.com/elineii/HSE-Time-Series-2025

{| class="wikitable"
|-
 ! Занятие !! Тема !! Дата !! Дополнительные материалы
|-
| style="background:#eaecf0;" | '''1''' [https://www.youtube.com/watch?v=J0SpCNr6LXI&list=PLmA-1xX7IuzDK0OSCArxNjG_VDuYOXxTs&index=2&pp=iAQB Запись] || Введение, EDA, предобработка, метрики, валидация || 13.11.2025 || На последнем слайде лекции. 
|-
| style="background:#eaecf0;" | '''2''' [https://www.youtube.com/watch?v=Xugsz45cVsg&list=PLmA-1xX7IuzDK0OSCArxNjG_VDuYOXxTs&index=1&pp=iAQB Запись] || Практика. EDA, метрики, STL-разложение || 24.11.2025 || В ноутбуке. 
|-
| style="background:#eaecf0;" | '''3''' [https://www.youtube.com/watch?v=mLf6cPZBapc&list=PLmA-1xX7IuzDK0OSCArxNjG_VDuYOXxTs&index=2&pp=iAQB Запись] || Модели экспоненциального сглаживания. ETS-модели || 27.11.2025 || На последнем слайде лекции. 
|-
| style="background:#eaecf0;" | '''4''' [https://www.youtube.com/watch?v=R-9yKew7Gnw&list=PLmA-1xX7IuzDK0OSCArxNjG_VDuYOXxTs&index=1&pp=iAQB Запись] || Стационарность. ACF, PACF. SARIMA(X)-модели || 01.12.2025 || 
|-
| style="background:#eaecf0;" | '''5''' [[ Запись]] || Автоподбор спецификаций, анализ прогнозов и остатков, многомерные ряды) || 04.12.2025 ||
|-
| style="background:#eaecf0;" | '''6''' [[ Запись]] || Практика. Перевод задачи прогнозирования в задачу машинного обучения || 11.12.2025 ||
|-
| Конец первого модуля |
|-
| style="background:#eaecf0;" | '''7''' [[ Запись]] || ML методы. Многомерное и многошаговое прогнозирование || ...<date>... ||
|-
| style="background:#eaecf0;" | '''8''' [[ Запись]] || Практика. Бонусные темы: кластеризация, ансамблирование, Python-библиотеки || ...<date>... ||
|-
| style="background:#eaecf0;" | '''9''' [[ Запись]] || DL методы. Архитектуры из разных семейств || ...<date>... ||
|-
| style="background:#eaecf0;" | '''10''' [[ Запись]] || DL методы. Генеративные модели || ...<date>... ||
|-
| style="background:#eaecf0;" | '''11''' [[ Запись]] || DL методы. Фундаментальные модели || ...<date>... ||
|-
| style="background:#eaecf0;" | '''12''' [[ Запись]] || DL методы. LLM for TS || ...<date>... ||
|-
|}

=== Записи консультаций ===

==Формула оценивания==

<big>'''Итог''' = Округление(0.5 * ДЗ + 0.1 * Тесты + 0.2 * Проект + 0.2 * Э),</big>

* ДЗ — средняя оценка за все домашние задания, 
* Тесты — оценка за тесты после группы объединенных одной темой лекций, 
* Э — оценка за экзамен.

Округление арифметическое.

'''Автомат:'''
Определим накопленную оценку как Накоп = Округление((0.5 * ДЗ + 0.1 * Тесты + 0.2 * Проект) / 0.8). 

Если среднее по каждому из элементов Накопа >=8, то студент может получить Накоп в качестве итоговой оценки, не приходя на экзамен.

== Домашние задания ==
* ДЗ1. Выдается после лекции 3. Дедлайн через 14 дней. 
ДЗ посвящено построению end-to-end пайплайна прогнозирования от EDA,
предобработки ряда до сравнения
между собой нескольких классических
моделей из изучаемых на лекциях.

* ДЗ2. Выдается после Лекции 6. Дедлайн через 14 дней. 
ДЗ посвящено
построению признаков и применению
градиентного бустинга для решения
задачи прогнозирования многомерного
временного ряда.

* ДЗ3. Выдается после Лекции 9. Дедлайн через 14 дней. 
ДЗ посвящено
применению и модификации изучаемых
DL подходов для решения задачи
прогнозирования многомерного
временного ряда.

* Проект! Выдается после Лекции 11. Дедлайн через 14 дней. 
Проект посвящен
проверке исследовательской гипотезы,
которая расширяет рассматриваемые

== Литература (будет пополняться) ==
Хорошие вводные учебники по временным рядам:
# Р. Хайндман, Дж. Атанасопулос — Прогнозирование: принципы и практика (рус.). 
# https://otexts.com/fpp3/some-simple-statistics.html — он же в оригинале (англ.).
# Э. Нильсон — Практический анализ временных рядов. Прогнозирование со статистикой и машинное обучение (рус.)

Статьи (все англ.):
# Wang, Y., Wu, H., Dong, J., Liu, Y., Wang, C., Long, M., & Wang, J. (2024). Deep time series models: A comprehensive survey and benchmark. arXiv preprint arXiv:2407.13278.
# Hewamalage, H., Ackermann, K., & Bergmeir, C. (2023). Forecast evaluation for data scientists: common pitfalls and best practices. Data Mining and Knowledge Discovery, 37(2), 788-832.
# Liang, Y., Wen, H., Nie, Y., Jiang, Y., Jin, M., Song, D., ... & Wen, Q. (2024, August). Foundation models for time series analysis: A tutorial and survey. In Proceedings of the 30th ACM SIGKDD conference on knowledge discovery and data mining (pp. 6555-6565).