Программа курса

Основы машинного обучения

На этом курсе начинают с основ. Сначала разбирают, что такое машинное обучение. Потом переходят к практике - строят первые модели линейной регрессии. Также объясняют, почему временные ряды считают отдельным классом задач.

Деревья решений и оценка моделей

Далее изучают, как работают деревья решений. Разбирают метрики для оценки качества моделей. Обучаются правильно оценивать результаты с помощью кросс-валидации.

Ансамбли и работа с временными рядами

Здесь показывают, как создавать признаки для временных рядов. Объясняют, почему ансамбли моделей дают лучшие результаты. Учат проводить валидацию специально для временных рядов.

Анализ и визуализация данных

Этот блок посвящен глубокому анализу. Разбирают компоненты временных рядов и способы их сочетания. Учат создавать детальные и информативные графики. Объясняют правильные методы обработки временных рядов.

Классические методы прогнозирования

Студенты осваивают традиционные подходы к прогнозированию. Учат строить модели ARIMA и экспоненциального сглаживания. Рассматривают преимущества и недостатки каждого метода.

Современные подходы и Prophet

Обучаются работать с моделью Prophet от Facebook. Изучают иерархические подходы для групп временных рядов. Учат объединять разные модели в гибридные решения.

Нейросети для временных рядов

Начинают с основ нейронных сетей - архитектура и принципы обучения. Студенты самостоятельно реализуют простые нейросети. Потом переходят к специализированным архитектурам для временных рядов.

Специализированные архитектуры

Детально изучают автоэнкодеры для выявления аномалий. Разбирают RNN и их усовершенствованную версию - LSTM. Узнают, как применять сверточные сети CNN для анализа временных рядов.

Завершение и мониторинг

В конце курса рассматривают системы мониторинга и поиска аномалий. Обсуждают, где еще можно применить полученные знания. Студенты получают рекомендации для дальнейшего развития.

Особенности обучения

Курс включает 14 онлайн-занятий с поддержкой ментора. После успешного завершения выдают сертификат. Студенты создают собственный проект для портфолио и выполняют курсовую работу.

Что включено

Вечерние занятия

Выдается диплом/сертификат

Реальный проект в портфолио

Сопровождение ментора

Прогнозування та аналіз часових рядів

О курсе

Программа курса

Основы машинного обучения

Деревья решений и оценка моделей

Ансамбли и работа с временными рядами

Анализ и визуализация данных

Классические методы прогнозирования

Современные подходы и Prophet

Нейросети для временных рядов

Специализированные архитектуры

Завершение и мониторинг

Особенности обучения

Что включено

О школе

Robot Dreams

Другие курсы школы

DevOps Engineer

Основи геймдизайну

SQL Advanced для аналітики