МОВС Анализ временных рядов, ATSF (2023-24 уч. год, 2-3 модули) — различия между версиями
| Строка 47: | Строка 47: | ||
| | | | ||
|- | |- | ||
| − | | style="background:#eaecf0;" | '''8''' [[https://youtu.be/MxIERg3-0mc?si=sMDy6-FnWsWUoJu_ Запись]] || [[8_TSForecasting | + | | 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 || || |
|- | |- | ||
| − | | 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 || || |
|- | |- | ||
| − | | 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 || || |
|- | |- | ||
| style="background:#eaecf0;" | '''11''' [[ Запись]] || [[ Ноутбук]] Композиции моделей предсказания временных рядов || || | | style="background:#eaecf0;" | '''11''' [[ Запись]] || [[ Ноутбук]] Композиции моделей предсказания временных рядов || || | ||
| Строка 70: | Строка 70: | ||
* 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-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": [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-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 == | ||
Версия 08:36, 12 февраля 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 | ||
| 9 [Запись] | [Ноутбук] DL в прогнозировании временных рядов | ||
| 10 [Запись] | [Ноутбук] Подходы к сегментации временных рядов | ||
| 11 Запись | Ноутбук Композиции моделей предсказания временных рядов | ||
| 12 Запись | Ноутбук Моделирование спроса | ||
| 13 Запись | Ноутбук Специфичные вопросы прогнозирования временных рядов: Business Value from Forecasting, часто используемые пакеты, внедрение систем прогнозирования |
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.
