Брат Тук

Редактор



- Регистрация
- 18/04/2023
- Сообщения
- 14.513
- Репутация
- 10.450
- 0
- #1
Автор: Stepik
Название: Временные ряды для прогноза криптовалют (2025)
![[Stepik] Временные ряды для прогноза криптовалют (2025) [Stepik] Временные ряды для прогноза криптовалют (2025)](data:image/svg+xml;charset=utf-8,%3Csvg xmlns%3D'http%3A%2F%2Fwww.w3.org%2F2000%2Fsvg' width='1024' height='260' viewBox%3D'0 0 1024 260'%2F%3E)
Описание
Курс посвящен изучению методов анализа и прогнозирования временных рядов на примере криптовалют с помощью классических подходов и при помощи машинного обучения
Чему вы научитесь
познакомитесь с задачей прогнозирования временных рядов и основными подходами к ее решению
узнаете о Python библиотеках, предназначенных для анализа временных рядов
поучаствуете в соревновании и построите прогнозные модели для предсказания цен на криптовалюты
О курсе
В данном курсе изучаются методы анализа временных рядов и решается задача прогнозирования цены криптовалют с помощью классических подходов, а также при помощи машинного обучения
Для кого этот курс
Курс предназначен для слушателей, знакомых с основами анализа данных и машинного обучения и желающих научиться специальным подходам, предназначенным для прогнозирования временных рядов. Также курс будет интересен тем, кто интересуется поведением криптовалют
Начальные требования
знание математики в рамках школьной программы
знание алгоритмов анализа данных и машинного обучения на начальном или среднем уровне
умение программировать на python на начальном уровне или выше
Елена Кантонистова. Кандидат физико-математических наук, выпускница школы анализа данных Яндекса (ШАД)
Академический руководитель магистратуры "Искусственный интеллект" (ранее "Машинное обучение и высоконагруженные системы") Факультета компьютерных наук ВШЭ, доцент департамента больших данных и информационного поиска ФКН…
Интенсив состоит из трех онлайн-занятий:
Методы анализа временных рядов, линейные модели
Вебинар от эксперта по криптовалютам
Машинное обучение для построения прогнозов
Программа курса
Подробнее:
Скачать:
Название: Временные ряды для прогноза криптовалют (2025)
Описание
Курс посвящен изучению методов анализа и прогнозирования временных рядов на примере криптовалют с помощью классических подходов и при помощи машинного обучения
Чему вы научитесь
познакомитесь с задачей прогнозирования временных рядов и основными подходами к ее решению
узнаете о Python библиотеках, предназначенных для анализа временных рядов
поучаствуете в соревновании и построите прогнозные модели для предсказания цен на криптовалюты
О курсе
В данном курсе изучаются методы анализа временных рядов и решается задача прогнозирования цены криптовалют с помощью классических подходов, а также при помощи машинного обучения
Для кого этот курс
Курс предназначен для слушателей, знакомых с основами анализа данных и машинного обучения и желающих научиться специальным подходам, предназначенным для прогнозирования временных рядов. Также курс будет интересен тем, кто интересуется поведением криптовалют
Начальные требования
знание математики в рамках школьной программы
знание алгоритмов анализа данных и машинного обучения на начальном или среднем уровне
умение программировать на python на начальном уровне или выше
Елена Кантонистова. Кандидат физико-математических наук, выпускница школы анализа данных Яндекса (ШАД)
Академический руководитель магистратуры "Искусственный интеллект" (ранее "Машинное обучение и высоконагруженные системы") Факультета компьютерных наук ВШЭ, доцент департамента больших данных и информационного поиска ФКН…
Интенсив состоит из трех онлайн-занятий:
Методы анализа временных рядов, линейные модели
Вебинар от эксперта по криптовалютам
Машинное обучение для построения прогнозов
Программа курса
- Как устроен курс
- Особенности работы с временными рядами
- Материалы первого вебинара
- Домашнее задание
- Рассказ эксперта о криптовалютах
- Машинное обучение для прогнозирования временных рядов
- Фреймворки для работы с временными рядами в Python
- Материалы третьего вебинара
- Домашнее задание
- Адаптивный подход
- Улучшения классических экспоненциальных моделей
- Домашнее задание
- Платформа Kaggle
- Подведение итогов
Подробнее:
Для просмотра ссылок, Войдите в аккаунт или Зарегистрируйтесь.
Скачать:
Для просмотра ссылок, Войдите в аккаунт или Зарегистрируйтесь.