Time series modelling 21 22

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск

О курсе

Курс по выбору для студентов для студентов 3 курса в 3-4 модулях.

Лектор: Демешев Борис Борисович

Лекции проходят на Покровке по пятницам в 9.30, аудитория М203

Семинарист: Зехов Матвей Сергеевич

Семинары проходят на Покровке по понедельникам в 9.30, аудитория М203


Итоговая оценка за курс

ДЗ = 0.2 * ДЗ_1 + 0.2 * ДЗ_2 + 0.2 * ДЗ_3 + 0.2 * ДЗ_4 + 0.2 * ДЗ_теор.

Накоп. = ⅔ * ДЗ + ⅓ * КР

Итог = Округление(0.75 * Накоп. + 0.25 * Экз.)

где ДЗ_i — оценка за i-е практическое ДЗ, ДЗ_теор. – оценка за теоретическое ДЗ, КР — оценка за контрольную работу, Накоп. — накопленная оценка. Экз. — оценка за экзамен.

Округление арифметическое.

Автоматы

Всем студентам может быть автоматом выставлена оценка за экзамен, равная Минимум(7,Накоп.). Итоговая оценка будет рассчитана по стандартной формуле. При явке на экзамен эта возможность аннулируется.

Дополнительные условия

  • При невозможности выполнения любого из ДЗ по уважительной причине и при наличии соответствующей справки, студент вправе перенести вес ДЗ на КР. Для этого необходимо передать справку в учебную часть, а также уведомить семинариста.
  • При пропуске КР по уважительной причине вес КР переносится на Экзамен. Автомат в таком случае не может быть выставлен.


Полезные ссылки

Телеграм-чат курса

Гитхаб курса

Таблица с оценками

Боевой листок

Неделя 1

[14 января] Лекция: Различные задачи на рядах. Общее про ряды: сезонность, цикличность, тренд. Создание признаков. Лаг, идея растущего и идея скользящего окна. Запись Конспект

Семинар: Вспомнить всё! Основные понятия математической статистики в контексте временных рядов. Задача линейной регрессии. Метод максимального правдоподобия. Статистические свойства оценок. Тестирование гипотез. Загрузка и обработка данных с датами. Периодические и непериодические данные. Основные особенности строения временных рядов. Автокорреляции и частные автокорреляции. Запись Ноутбук 1 Ноутбук 2

Неделя 2

[21 января] Лекция: LOESS-регрессия. Интенсивность тренда. STL-разложение. Выборочная ACF. Запись Конспект Статья про LOESS STL простым языком Оригинальная статья про STL Фичи STL

Семинар: Обработка пропусков. LOESS-регрессия. STL-разложение. Инжиниринг фичей и использование стандартных регрессоров sklearn. Многошаговое прогнозирование. Прямая и рекурсивная стратегии многошагового прогнозирования. Запись Ноутбук Хорошая статья про стратегии

Неделя 1

[28 января] Лекция: ETS-модель. Правдоподобие ETS-модели. Запись прошлого года Конспект

Семинар: Модели экспоненциального сглаживания. Модели Хольта-Винтерса. Модели ETS. Глава книги Хиндмана

Контрольная работа

Вариант прошлого года

Экзамен

Вариант прошлого года

Домашние задания

Общие правила

Домашние задания сдаются в энитаск. Инвайт был выслан в групповой чат.

Мягких дедлайнов нет. Все дедлайны жёсткие.

При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.

При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.

В задачах на визуализацию все графики должны иметь оси/заголовки и прочие обязательные атрибуты. При их отсутствии графики оцениваться не будут.


Практические задания

Домашнее задание 1

Обработка данных. Визуализация. Использование стандартных моделей машинного обучения. Генерация признаков. Стратегии прогнозирования.

Выдается: 30.01.2022 02.00

Дедлайн: 11.10.2020 23.59

Задание

Данные


Домашнее задание 2


Домашнее задание 3


Домашнее задание 4

Теоретические задания

Домашнее задание