Kā mēs strādājam ar cenu prognozēšanu
Dziļā mācīšanās nav maģija — tā ir tehnoloģija ar konkrētiem parametriem, treniņdatiem un kļūdu analīzi.
No lokālas iniciatīvas līdz virtuālai klasei
Saldus kā sākumpunkts, nevis robeža
Zdravonek radās no pavisam konkrētas vajadzības — cilvēki, kas strādā ar finanšu datiem, bieži zin teoriju, bet nesaprot, kā uzrakstīt LSTM tīklu, kas faktiski strādā ar reāliem tirgus datiem. Sākotnēji tās bija mazas grupas Saldū, kas 2020. gadā pulcējās pie datora ekrāniem un analizēja laika rindas.
Virtuālais formāts ļāva paplašināt dalībnieku loku, nepazaudējot to, kas padarīja sākotnējo koncepciju noderīgu: nelielas grupas, iespēja uzdot jautājumus un uzdevumi, kas liek patiesi domāt. Semināri nav lekcijas ierakstu veidā. Katrs bloks beidzas ar pārbaudes uzdevumu, un nākamais sākas tikai tad, kad iepriekšējā rezultāts ir saprotams.
Mēs strādājam ar Python, TensorFlow un reāliem atvērtu tirgus datiem. Pieeja nav veidota, lai būtu iespaidīga demonstrācijās — tā ir veidota, lai jūs varētu patstāvīgi atkārtot soļus mājās un saprast, kāpēc modelis izpaužas tā, kā izpaužas.
Dibināts 2020. gadā, SaldūTrīs principi, pēc kuriem veidoti visi semināri
Saturs ir strukturēts tā, lai katrs solis būtu saprotams pirms nākamā — ne tāpēc, ka tas ir grūti, bet tāpēc, ka dziļā mācīšanās prasa konsekvenci.
Uzdevums pirms skaidrojuma
Katrs jauns jēdziens tiek iepazīstināts caur konkrētu problēmu, nevis abstraktu definīciju. Jūs vispirms mēģināt, tad saprotat kāpēc tas neizdevās, un tikai pēc tam skaidrojums ir jēgpilns.
Kļūda kā mācību materiāls
Modeļi, kas sniedz sliktus rezultātus, tiek analizēti tikpat rūpīgi kā veiksmīgie. Overfitting, slikta datu normalizācija, nepareizi izvēlēts loga izmērs — tās visas ir iespējas saprast, kā sistēma strādā no iekšpuses.
Atkārtojamība kā standarts
Viss kods ir pieejams GitHub repozitorijā ar fiksētām versijām. Pēc semināra jūs varat atkārtot jebkuru soli jaunā vidē un iegūt identiskus rezultātus. Nav "tas strādāja manā datorā" situāciju.
Programmas apguves intensitāte pa blokiem
Ko jūs faktiski darāt semināros
Darbs ar datiem, nevis skatīšanās uz tiem
Programma ir sadalīta moduļos, katrs ar savu uzdevumu kopu. Pirmais modulis sākas ar CSV failu, kurā ir aptuveni 5 gadu vērtspapīru cenas. Jūs tīrāt datus, veidojat laika logu sērijas un saprotat, kāpēc datu sadalīšanas pieeja laika rindām atšķiras no parastā gadījuma.
Tālāk seko Keras implementācija — ne tikai "nomainiet aktivācijas funkciju un palaidiet vēlreiz", bet izpratne par dropout slāņiem, sequence garumu ietekmi uz validācijas kļūdu un to, kad vairāk neironu palīdz un kad ne. Katrā modulī ir vismaz viens uzdevums, kur modelis ir apzināti salūzis un jums jāatrod kāpēc.
Semināru dalībnieki bieži atzīst, ka pats vērtīgākais moments ir nevis kad modelis sāk strādāt, bet kad saprotams, kāpēc tas iepriekš nestrādāja. Šāda izpratne netiek iegūta no prezentāciju slaidiem.
Novietojiet kursoru, lai redzētu darba vidi bez filtriem
Cilvēki, kas vada seminārus
Seminārus vada cilvēki, kas ikdienā strādā ar laika rindu modeļiem — ne tikai māca tos. Tas ietekmē to, kādus jautājumus viņi uzdod grupai.
Aiga Voldemāre
Galvenā pasniedzēja. Strādā ar finanšu laika rindām kopš 2016. gada. Specializējas LSTM un Transformer modeļos cenu prognozēšanai. Vada pirmā un trešā moduļa sesijas, kur tiek apstrādāti reālie datu kopumi.