Целью курса является формирование теоретических знаний и умений применения методов анализа и прогнозирования временных рядов, а также приобретение практических навыков реализации проектов построения прогнозных моделей временных рядов на языке Python для широкого круга специалистов, работающих с данными.
Знания и умения, полученные в результате изучения
В результате обучение на курсе слушатели будут
Знать:
• Базовые понятия и методы анализа и прогнозирования временных рядов;
• Структуру временного ряда;
• Методы оценки качества моделей;
• Модели одномерных временных рядов.
Уметь:
• Использовать методы обработки данных для анализа и прогнозирования временных рядов;
• Строить модели одномерных временных рядов.
Иметь навыки:
• Анализа временных рядов;
• Построения моделей для прогнозирования временных рядов.
Тема 1. Введение в анализ и прогнозирование временных рядов
Понятие и компоненты временного ряда
Анализ временных рядов
Задача прогнозирования временных рядов
Первичный анализ данных с использованием описательных статистик и визуализации
Передискретизация и интерполяция
Преобразование данных
Сглаживание скользящей средней
Проведение первичного анализа, передискретизации, интерполяции, преобразования данных,
Проведение сглаживания временных рядов с помощью скользящих средних.
Тема 2. Структура временного ряда
Белый шум
Случайное блуждание
Разложение временного ряда на составляющие компоненты
Выявление и моделирование тренда
Выявление и моделирование сезонности
Выявление и проверка стационарности временного ряда
Проверка временных рядов и остатков при построении моделей скользящих средних белым шумом.
Проверка данных на случайное блуждание.
Разложение временных рядов на составляющие компоненты.
Удаление их данных тренда с использованием методов интегрирования и моделирования кривых роста.
Удаление из данных сезонной составляющей с использованием разностного метода и моделирование сезонности с помощью полиномов.
Проверка временных рядов на стационарность с помощью разных методов.
Тема 3. Оценка качества моделей
Тестовая и обучающая выборка
Оценка точности моделей
Базовый уровень прогноза
Анализ остатков
Формы представления задачи прогнозирования временных рядов
Разбиение временных рядов на обучающую и тестовую выборки с помощью разных методов.
Оценка точности наивного прогноза (базовый уровень прогноза), анализ остатков с помощью разных методов.
Посмотрите на данные них иначе: измените их временную разбивку, сформулируйте задачу прогнозирования временных рядов в терминах задачи регрессии или классификации.
Тема 4. Модели одномерных временных рядов
Прогнозирование с помощью кривых роста
Тренд-сезонная модель
Тренд-сезонная модель с фиктивными переменными
Простое экспоненциальное сглаживание (модель Брауна)
Модель Хольта с линейным и экспоненциальным трендом
Модель Хольта-Уинтерса и модель Тейла-Вейджа
Модель стохастической аппроксимации
Метод Бокса-Дженкинса
Авторегрессионные модели
Модели скользящих средних
Модель ARIMA
Автокорреляция и частичная автокорреляция
Поиск по сетке гиперпараметров модели ARIMA
Прогнозные интервалы
Проект построения моделей для прогнозирования временных рядов
Построение разных моделей, определение лучшей модели, повышение качества лучшей модели изменяя гиперпараметры, построение прогнозных интервалов.