Cenu prognozēšana ar neironu tīkliem
Meistarkurss koncentrējas uz praktisko pusi — jūs veidosiet modeļus, kas reāli darbojas ar tirgus datiem, nevis tikai seko lekciju pierakstiem. Katrs modulis beidzas ar uzdevumu, kuru var pielāgot savam datu avotam.
Ko patiešām apgūstat šajā kursā
Katrs modulis ir veidots ap konkrētu problēmu, nevis jēdzienu. Jūs strādāsiet ar reāliem laika rindu datiem un saprotat, kur modeļi neizdodas un kāpēc.
Programmas saturs
Kursa pirmajā daļā uzmanība vērsta uz datu kvalitāti un laika rindu īpašībām. Tīriem datiem nepieciešama mazāka arhitektūra — tas ir galvenais secinājums, ko dalībnieki apgūst empīriski, nevis no lekcijām.
Otrā daļa pāriet uz rekurentajiem tīkliem un transformeru arhitektūrām. Dalībnieki eksperimentē ar hiperparametriem, dokumentē rezultātus un salīdzina pieejas uz kopīga testa datu kopu.
- 01 Laika rindu struktūra un sezonalitātes noteikšana
- 02 Ievads LSTM un GRU arhitektūrās
- 03 Apmācības procesu atkļūdošana un overfitting identificēšana
- 04 Attention mehānismi un temporal fusion
- 05 Modeļa novērtēšana: MAE, MAPE un plašāks konteksts
- 06 Noslēguma projekts ar pašu izvēlētu datu avotu
Biežāk uzdotie jautājumi
Kāds ir nepieciešamais zināšanu līmenis?
Vai nodarbības notiek reāllaikā?
Kādus rīkus izmantosim praksē?
Vai saņemšu apliecību pēc kursa?
Cik daudz laika nedēļā jāvelta studijām?
Dalības maksa
Ietver visus materiālus, ierakstus un noslēguma projekta vadīšanu