МОВС Анализ временных рядов, ATSF (2023-24 уч. год, 2-3 модули) — различия между версиями
Материал из Wiki - Факультет компьютерных наук
| (не показано 13 промежуточных версии 2 участников) | |||
| Строка 2: | Строка 2: | ||
''В данном курсе студенты узнают о широком классе прикладных задач, в которых применяются методы time series forecasting, а также смогут применить полученные знания при решении примеров задач. В качестве прикладных задач прогнозирования временных рядов будут рассмотрены примеры из ритейл-индустрии, производства (manufacturing), финансовых рынков, социально-демографической сферы, медицины.<br/>В структуру курса заложено ознакомление с теорией статистических алгоритмов таких как ETS, ARIMA, GARCH, GAS (Generalized Autoregressive), композиции над алгоритмами прогнозирования временных рядов. Наряду с этим ряд занятий посвящено использованию классических Machine Learning алгоритмов в пайплайне методов прогнозирования временных рядов. Ключевое внимание будет уделено особенностям работы, реализации и применения изучаемых методов в прикладных задачах, практические задания будут включать как самостоятельную разработку алгоритмов, так и применение разработанных пакетов/библиотек алгоритмов прогнозирования временных рядов. <br/> В результате прохождения курса студенты смогут использовать изученные алгоритмы для прогнозирования временных рядов на практике.''<br/> | ''В данном курсе студенты узнают о широком классе прикладных задач, в которых применяются методы time series forecasting, а также смогут применить полученные знания при решении примеров задач. В качестве прикладных задач прогнозирования временных рядов будут рассмотрены примеры из ритейл-индустрии, производства (manufacturing), финансовых рынков, социально-демографической сферы, медицины.<br/>В структуру курса заложено ознакомление с теорией статистических алгоритмов таких как ETS, ARIMA, GARCH, GAS (Generalized Autoregressive), композиции над алгоритмами прогнозирования временных рядов. Наряду с этим ряд занятий посвящено использованию классических Machine Learning алгоритмов в пайплайне методов прогнозирования временных рядов. Ключевое внимание будет уделено особенностям работы, реализации и применения изучаемых методов в прикладных задачах, практические задания будут включать как самостоятельную разработку алгоритмов, так и применение разработанных пакетов/библиотек алгоритмов прогнозирования временных рядов. <br/> В результате прохождения курса студенты смогут использовать изученные алгоритмы для прогнозирования временных рядов на практике.''<br/> | ||
| − | Занятия проводятся в [https://us06web.zoom.us/j/87305809422?pwd=tRTBB8eSipHcaLx2OqY6b3Flz4JNEM.1 Zoom] '''по | + | Занятия проводятся в [https://us06web.zoom.us/j/87305809422?pwd=tRTBB8eSipHcaLx2OqY6b3Flz4JNEM.1 Zoom] '''по пятницам в 18:00''' |
==Контакты== | ==Контакты== | ||
| Строка 31: | Строка 31: | ||
! Занятие !! Тема !! Дата !! Ссылки | ! Занятие !! Тема !! Дата !! Ссылки | ||
|- | |- | ||
| − | | style="background:#eaecf0;" | '''1''' [[https://www.youtube.com/watch?v=h8adcBUdVOU&list=PLmA-1xX7IuzBw8JzLnhBQ_et20hfG3dGF Запись]] || [[https://github.com/aromanenko/ATSF/blob/main/1_IntroTS.ipynb Ноутбук]] Time Series Overview || | + | | style="background:#eaecf0;" | '''1''' [[https://www.youtube.com/watch?v=h8adcBUdVOU&list=PLmA-1xX7IuzBw8JzLnhBQ_et20hfG3dGF Запись]] || [[https://github.com/aromanenko/ATSF/blob/main/1_IntroTS.ipynb Ноутбук]] Time Series Overview || 01.11.23 || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''2''' [[ Запись]] || [[ Ноутбук]] Простое экспоненциальное сглаживание || | + | | style="background:#eaecf0;" | '''2''' [[https://www.youtube.com/watch?v=fgMDShgrKOk&list=PLmA-1xX7IuzBw8JzLnhBQ_et20hfG3dGF Запись]] || [[https://github.com/aromanenko/ATSF/blob/main/2_Simple%20Exponential%20Smothing.ipynb Ноутбук]] Простое экспоненциальное сглаживание || 10.11.23 || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''3''' [[ Запись]] || [[ Ноутбук]] Учет сезонности, трендов и пр. компонент в моделях семейства простого экспоненциального сглаживания. Обсуждение ДЗ-1. || | + | | style="background:#eaecf0;" | '''3''' [[https://www.youtube.com/watch?v=S_Ychya3y8U&list=PLmA-1xX7IuzBw8JzLnhBQ_et20hfG3dGF Запись]] || [[https://github.com/aromanenko/ATSF/blob/wip/3_Holt%2C%20Winters%2C%20Theil-Wage.ipynb Ноутбук]] Учет сезонности, трендов и пр. компонент в моделях семейства простого экспоненциального сглаживания. Обсуждение ДЗ-1. || 17.11.23 || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''4''' [[ Запись]]|| [[ Ноутбук]] Стационарность. ARIMA || | + | | style="background:#eaecf0;" | '''4''' [[https://youtu.be/BNQLWJER3nI?si=sPqLip9JgNhiJ9uK Запись]]|| [[https://github.com/aromanenko/ATSF/blob/main/3_Holt%2C%20Winters%2C%20Theil-Wage.ipynb Ноутбук]] Стационарность. ARIMA || 24.11.23 || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''5''' [[ Запись]] || [[ Ноутбук]] Настройка гиперпараметров ARIMA. ACF и PACF || | + | | style="background:#eaecf0;" | '''5''' [[https://youtu.be/aid-SKh_blw?si=O8Y2RX_IXLAHxdTD Запись]] || [[https://github.com/aromanenko/ATSF/blob/main/6_ARIMA_Exogenous%20Variables.ipynb Ноутбук]] Настройка гиперпараметров ARIMA. ACF и PACF || 01.12.23 || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''6''' [[ Запись]] || [[ Ноутбук]] Заключительное занятие по ARIMA, варианты учета каузальных переменных. Обсуждение ДЗ-2. || | + | | style="background:#eaecf0;" | '''6''' [[https://youtu.be/O2-EhrzJ54Q?si=N-nwvs8rRQlnKUn- Запись]] || [[https://github.com/aromanenko/ATSF/blob/main/6_ARIMA_Exogenous%20Variables.ipynb Ноутбук]] Заключительное занятие по ARIMA, варианты учета каузальных переменных. Обсуждение ДЗ-2. || 08.12.23 || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''7''' [[ Запись]] || [[ Ноутбук]] ML для прогнозирования временных рядов || || | + | | style="background:#eaecf0;" | '''7''' [[https://youtu.be/QVsFFIGgwHk?si=zcSCqC_n7bmhgmMY Запись]] || [[https://github.com/aromanenko/ATSF/blob/Fall2022/7_TSForecasting%20with%20ML.ipynb Ноутбук]] ML для прогнозирования временных рядов || 15.12.23 || |
|- | |- | ||
| | | | ||
|- | |- | ||
| − | | style="background:#eaecf0;" | '''8''' [[ Запись]] || [[ Ноутбук]] Измерение качества предсказаний временных рядов. Лоссы в TSF || || | + | | style="background:#eaecf0;" | '''8''' [[https://youtu.be/MxIERg3-0mc?si=sMDy6-FnWsWUoJu_ Запись]] || [[https://github.com/aromanenko/ATSF/blob/main/8_TSForecasting%20with%20ML.ipynb Ноутбук]] Измерение качества предсказаний временных рядов. Лоссы в TSF || 19.01.2024 || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''9''' [[ Запись]] || [[ Ноутбук]] DL в прогнозировании временных рядов || || | + | | style="background:#eaecf0;" | '''9''' [[https://youtu.be/GRY7PO-f-Oc?si=M8Ar8x2DJJMmtTfB Запись]] || [[https://github.com/aromanenko/ATSF/blob/main/9_Loss%20Functions%20in%20Forecasting.ipynb Ноутбук]] DL в прогнозировании временных рядов || 26.01.2024 || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''10''' [[ Запись]] || [[ Ноутбук]] Подходы к сегментации временных рядов || || | + | | style="background:#eaecf0;" | '''10''' [[https://youtu.be/hB1iLfg6sb4?si=jEZARKycgQwHAqbb Запись]] || [[https://github.com/aromanenko/ATSF/blob/main/10_TS%20Segmentation%20Approaches.ipynb Ноутбук]] Подходы к сегментации временных рядов || 02.02.2024 || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''11''' [[ Запись]] || [[ Ноутбук]] Композиции моделей предсказания временных рядов || || | + | | style="background:#eaecf0;" | '''11''' [[https://youtu.be/jqaYKbuzJ7I?si=Gt5Xp-dAcbU6iTDC Запись]] || [[https://github.com/aromanenko/ATSF/blob/main/11_DL%20and%20other%20approaches%20for%20Time%20Series%20Forecasting.ipynb Ноутбук]] Композиции моделей предсказания временных рядов || 16.02.2024 || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''12''' [[ Запись]] || [[ Ноутбук]] Моделирование спроса || || | + | | style="background:#eaecf0;" | '''12''' [[https://youtu.be/7Pt6UVI0aEM?si=kQdy_XIyeVEkCl-G Запись]] || [[https://github.com/aromanenko/ATSF/blob/main/12_E2E%20demand%20forecasting%20process.ipynb Ноутбук]] Моделирование спроса || 22.02.2024 || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''13''' [[ Запись]] || [[ Ноутбук]] Специфичные вопросы прогнозирования временных рядов: Business Value from Forecasting, часто используемые пакеты, внедрение систем прогнозирования || || | + | | style="background:#eaecf0;" | '''13''' [[https://youtu.be/x7q_SmYkXMY?si=ffpYxlwfoyPqq9k9 Запись]] || [[https://github.com/aromanenko/ATSF/blob/main/13_Bonus%20Topics.ipynb Ноутбук]] Специфичные вопросы прогнозирования временных рядов: Business Value from Forecasting, часто используемые пакеты, внедрение систем прогнозирования || 01.03.2024 || |
|- | |- | ||
|} | |} | ||
| Строка 68: | Строка 68: | ||
== Домашние задания == | == Домашние задания == | ||
Anytask: https://anytask.org/course/1072 | Anytask: https://anytask.org/course/1072 | ||
| − | * ДЗ-1 "Экспоненциальное сглаживание" | + | * ДЗ-1 "Экспоненциальное сглаживание": [https://github.com/aromanenko/ATSF/blob/main/HW1.ipynb Основная часть], '''Дедлайн: 03.12.23''' <br/> [https://github.com/aromanenko/ATSF/blob/main/HW1_bonus_part.ipynb Бонусная часть], '''Дедлайн: 04.03.24''' |
| − | * ДЗ-2 "ARIMA" | + | * ДЗ-2 "ARIMA": [https://github.com/aromanenko/ATSF/blob/main/HW2.ipynb Основная часть], '''Дедлайн: 21.01.24''' <br/> [https://github.com/aromanenko/ATSF/blob/main/HW2_bonus_part.ipynb Бонусная часть], '''Дедлайн: 03.03.24''' |
| − | * ДЗ-3 "Kaggle" | + | * ДЗ-3 "Kaggle": [https://github.com/aromanenko/ATSF/blob/main/HW3.ipynb Основная часть], '''Дедлайн: 11.02.24''' <br/> |
== Литература == | == Литература == | ||
Текущая версия на 19:15, 3 марта 2024
Содержание
О курсе
В данном курсе студенты узнают о широком классе прикладных задач, в которых применяются методы time series forecasting, а также смогут применить полученные знания при решении примеров задач. В качестве прикладных задач прогнозирования временных рядов будут рассмотрены примеры из ритейл-индустрии, производства (manufacturing), финансовых рынков, социально-демографической сферы, медицины.
В структуру курса заложено ознакомление с теорией статистических алгоритмов таких как ETS, ARIMA, GARCH, GAS (Generalized Autoregressive), композиции над алгоритмами прогнозирования временных рядов. Наряду с этим ряд занятий посвящено использованию классических Machine Learning алгоритмов в пайплайне методов прогнозирования временных рядов. Ключевое внимание будет уделено особенностям работы, реализации и применения изучаемых методов в прикладных задачах, практические задания будут включать как самостоятельную разработку алгоритмов, так и применение разработанных пакетов/библиотек алгоритмов прогнозирования временных рядов.
В результате прохождения курса студенты смогут использовать изученные алгоритмы для прогнозирования временных рядов на практике.
Занятия проводятся в Zoom по пятницам в 18:00
Контакты
Чат курса в TG: https://t.me/+ETgDjat2dR8yNDcy
Преподаватель: Романенко Алексей Александрович
Ассистенты
| Ассистент | Контакты |
|---|---|
| Даша Саламашенкова | @salamashenkovadasha |
| Алина Васютина | @alina_vasyutina |
| Анастасия Гергенретер | @nastya_gergen |
Материалы курса
Плейлист курса на YouTube: https://www.youtube.com/playlist?list=PLmA-1xX7IuzBw8JzLnhBQ_et20hfG3dGF
GitHub с материалами курса: https://github.com/aromanenko/ATSF
| Занятие | Тема | Дата | Ссылки |
|---|---|---|---|
| 1 [Запись] | [Ноутбук] Time Series Overview | 01.11.23 | |
| 2 [Запись] | [Ноутбук] Простое экспоненциальное сглаживание | 10.11.23 | |
| 3 [Запись] | [Ноутбук] Учет сезонности, трендов и пр. компонент в моделях семейства простого экспоненциального сглаживания. Обсуждение ДЗ-1. | 17.11.23 | |
| 4 [Запись] | [Ноутбук] Стационарность. ARIMA | 24.11.23 | |
| 5 [Запись] | [Ноутбук] Настройка гиперпараметров ARIMA. ACF и PACF | 01.12.23 | |
| 6 [Запись] | [Ноутбук] Заключительное занятие по ARIMA, варианты учета каузальных переменных. Обсуждение ДЗ-2. | 08.12.23 | |
| 7 [Запись] | [Ноутбук] ML для прогнозирования временных рядов | 15.12.23 | |
| 8 [Запись] | [Ноутбук] Измерение качества предсказаний временных рядов. Лоссы в TSF | 19.01.2024 | |
| 9 [Запись] | [Ноутбук] DL в прогнозировании временных рядов | 26.01.2024 | |
| 10 [Запись] | [Ноутбук] Подходы к сегментации временных рядов | 02.02.2024 | |
| 11 [Запись] | [Ноутбук] Композиции моделей предсказания временных рядов | 16.02.2024 | |
| 12 [Запись] | [Ноутбук] Моделирование спроса | 22.02.2024 | |
| 13 [Запись] | [Ноутбук] Специфичные вопросы прогнозирования временных рядов: Business Value from Forecasting, часто используемые пакеты, внедрение систем прогнозирования | 01.03.2024 |
Формула оценивания
Оценка = 0.3*ОДЗ-1 + 0.3*ОДЗ-2 + 0.4*ОДЗ-3 + 0.4*ОБонусные задания
Баллы за бонусные задания - ставятся за участие в соревнованиях по тематике курса. Оценка за участие в соревновании выставляется преподавателем в зависимости от успешности участия; за каждое из соревнований можно получить до 10 баллов; баллы, полученные за разные соревнования, будут суммироваться в так называемый Бонус. Прохождение иных курсов и сдача заданий по другим курсам не будут засчитываться как Бонус.
Домашние задания
Anytask: https://anytask.org/course/1072
- ДЗ-1 "Экспоненциальное сглаживание": Основная часть, Дедлайн: 03.12.23
Бонусная часть, Дедлайн: 04.03.24 - ДЗ-2 "ARIMA": Основная часть, Дедлайн: 21.01.24
Бонусная часть, Дедлайн: 03.03.24 - ДЗ-3 "Kaggle": Основная часть, Дедлайн: 11.02.24
Литература
- James D Hamilton, Time Series Analysis, 1994
- Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс
- Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов, Учеб. пособие. М.: Финансы и статистика, 2003 г. - 416 с: ил., главы 1,4,5,7.
- Jonathan D. Cryer, Kung-Sik Chan, Time Series Analysis With Applications in R. Second Edition. Springer
- Bollerslev, Tim (1992). "ARCH Modeling in Finance: A Review of the Theory and Empirical Evidence". Journal of Econometrics. 52 (1–2): 5–59.
