Dziļā mācīšanās cenu prognozēšanā: pamati un pirmie modeļi
Kurss par neironu tīklu izmantošanu cenu datu analīzē. Piemērots tiem, kas jau pārzina Python un vēlas saprast, kā LSTM un citi modeļi strādā ar laika rindām.
Mācību programma
Dziļā mācīšanās cenu prognozēšanā
Šī programma aptver neironu tīklu pielietojumu finanšu laika rindu analīzē — no datu sagatavošanas līdz LSTM un Transformer modeļu konstrukcijai. Katrs modulis ir veidots tā, lai teorija tiktu nostiprināta ar konkrētiem uzdevumiem reālos datos.
Skatīt programmu
3 Moduļi
229 Dalībnieki
4.7 Vērtējums
2020 Dibināts
Pieejamie kursi
Izvēlieties savu moduli
Cenu prognozēšana ar Transformer modeļiem un ansambļu metodēm
Padziļināts kurss par modernām dziļās mācīšanās arhitektūrām cenu prognozēšanā. Darbojamies ar Transformer, N-BEATS un ansambļu pieejām uz reāliem rūpnieciskajiem datiem.
Dziļās mācīšanās cenu modeļi ražošanas vidē: no eksperimenta līdz darbojošajai sistēmai
Intensīvs kurss par prognozēšanas modeļu izvietošanu, uzraudzību un uzturēšanu reālā vidē. Piemērots datu zinātniekiem ar pieredzi modeļu apmācībā.
Kā tas darbojas
No teorijas uz praksi — konkrēti soļi
Katra tēma programmā tiek aplūkota caur reālu uzdevumu prizmu. Tas nozīmē, ka pirms jebkuras formulas uzzināšanas jūs redzat, kādā situācijā tā rodas — piemēram, kā LSTM tīkls reaģē uz sezonāliem svārstību modeļiem naftas cenā.
Uzdevumi ir sastrukturēti pa grūtības pakāpēm, sākot no datu ielādes ar Pandas un beidzot ar modeļa optimizāciju, izmantojot Optuna. Katrs posms ir papildināts ar vizualizācijām, lai padarītu modeļa uzvedību saprotamu.
- Datu priekšapstrāde ar reālām biržas laika rindām
- LSTM un GRU modeļu konstruēšana ar PyTorch
- Attention mehānismi un Transformer arhitektūras
- Backtesting un modeļa izvērtēšana ar MAE, RMSE
- Hiperparametru meklēšana ar Optuna bibliotēku
Biežāk uzdotie jautājumi
Par programmu un pieejamību
Pietiek ar pamata Python zināšanām un izpratni par statistiku vidusskolā apgūtā līmenī. Pirmajā modulī ir iekļauts ievads galvenajās Python bibliotēkās — NumPy un Pandas — tāpēc pilnīgi iesācēji var sākt bez papildu sagatavošanās, ja vien ir gatavi strādāt patstāvīgi.
Jā. Katrs modulis balstās uz reāliem biržas un preču tirgus datiem no publiskiem avotiem. Uzdevumi tiek veidoti tā, lai jūs varētu pārbaudīt savu modeli pret vēsturiskiem datiem un novērtēt tā precizitāti pirms jebkādu reālu lēmumu pieņemšanas.
Piekļuve ir pastāvīga bez termiņa ierobežojuma. Varat atgriezties pie lekcijām un notebook failiem jebkurā laikā — tas ir noderīgi, kad praksē rodas konkrēts jautājums, kuru vēlaties pārskatīt.
Katrā programmas modulī ir pieejams mentora atbalsts — jautājumus var uzdot tieši lekcijas komentāros vai rakstot uz [email protected]. Atbildes tiek sniegtas darba dienās.
Jautājumi par reģistrāciju?
Ja nav skaidrs, kurš modulis ir piemērotākais jūsu priekšzināšanu līmenim, vai ja ir tehniski jautājumi par piekļuvi — rakstiet. Atbildēsim darba dienās.