Анализ временных рядов

Формат Очный
содержание 5 тем
Длительность 16 часов
По завершении Удостоверение

О курсе

Курс направлен на формирование теоретических знаний и развитие практических навыков, необходимых для анализа и прогнозирования временных рядов. В процессе обучения слушатели изучат методы и инструменты обработки временных рядов и познакомятся с различными моделями прогнозирования временных рядов, включая как классические модели, так и методы машинного обучения.

Курс является практико-ориентированным и построен как последовательность взаимосвязанных блоков. В каждом из блоков теоретический материал подкрепляется разбором практических заданий, сформированных в Python (или R) на основе реально выполненных проектов.

Программа курса

Изучение свойств и структуры временного ряда

  • Выявления аномальных наблюдений (Box-plot, DFBETA, DFFITS, Cook’s distance, Leverage, методы ML)
  • Обработка пропущенных значений
  • Частотно-временные характеристики временного ряда
  • Выявление автокорреляции
  • Разбиение временного ряда на компоненты
    • Проверка гипотезы о наличии тренда
    • Проверка наличия сезонности
  • Сглаживание ряда:
    • Метод конечных разностей 
    • Простая и взвешенная скользящие средние 
    • Экспоненциальное сглаживание 
    • Аналитическое сглаживание 
  • Стабильность временного ряда. Тест Чоу 
  • Проверка стационарности временных рядов 
    • Классификация временных рядов по стационарности 
    • Признаки нестационарности временного ряда 
    • Тесты Дики — Фуллера. Тест Филипса — Перрона 
    • Понятие коинтеграции. Тест Энгла — Гренжера 

Длительность: 2 часа

Модели прогнозирования временных рядов

  • Обобщённые линейные модели (GLM)
  • Интегрированная модель авторегрессии — скользящего среднего (ARIMA)
  • Авторегрессионная модель с распределённым лагом (ARDL)
  • Обобщённая авторегрессионная модель условной гетероскедастичности (GARCH)
  • Модель коррекции ошибок (ECM)
  • Модели на основе цепей Маркова


Длительность: 2 часа

Модели и методы машинного обучения для прогнозирования временных рядов

  • Многослойный перцептрон
  • Байесовские нейронные сети
  • Рекуррентные нейронные сети
  • Метод опорных векторов
  • Обобщённые регрессионные нейронные сети (GRNN)

Длительность: 2 часа

Оценка качества модели временного ряда

  • Проверка корректности модели
  • Оценка точности моделиa

Длительность: 2 часа

Использование R (или Python) для анализа временных рядов

Длительность: 2 часа

Появились вопросы по курсу?

Оставьте свои контактные данные и наш специалист свяжется с вами, чтобы ответить на ваши вопросы

Нажимая на кнопку «Получить консультацию», вы даете согласие на обработку своих персональных данных

Обучение в
EcoAcademy

Выберите интересные для вас курсы и темы

Выберите очный формат или онлайн-формат веб-конференции. Изучайте новый материал

Сдайте экзамен в рамках соответствующей программы

Получите удостоверение о повышении квалификации или сертификат о прохождении обучения

Вы — востребованный специалист

Начните свое обучение вместе с EcoAcademy