Code Monkey home page Code Monkey logo

coursera_ts's Introduction

курсера - курс по временным рядам

план 9 недель

Неделя 1

  • Задачи и данные

    • Прогнозирование рядов
    • Обнаружение разладки
    • Кластеризация
    • Разложение ряда на составляющие
  • Визуализация

  • ACF, PACF — как коэффициенты в регрессиях?

  • Что сюда ещё включить? Больше практики?

Неделя 2. Прогнозирование без статистики

  • регрессия
  • наивная
  • сезонная наивная
  • STL-разложение
  • theta-метод
  • Обучающая, тестовая и валидационная выборка
  • Кросс-валидация?

Неделя 3. Экспоненциальное сглаживание

  • Белый шум
  • ETS-модель

Неделя 4. Несезонная ARIMA без отклонений от здравомыслия

  • Стационарность
  • Второй взгляд на ACF/PACF
  • ARIMA уравнение
  • Обратимость
  • ARIMA процесс

Неделя 5. Автоматическая ARIMA с сезонностью

  • ARIMA сезонная
  • Тесты на стационарность
  • AIC, BIC
  • Процедура Хандакара-Хиндмана

Неделя 6. Страшная неделя про синусы, косинусы и комплексные числа

  • Дискретное преобразование Фурье
  • Тригонометрическая сезонность
  • успеть ли TBATS?

Неделя 7. ORBIT без сахара

  • Байесовский подход
  • Local Global Trend
  • Теория в простом случае
  • Примеры с размахиванием руками

Неделя 8. PROPHET

  • Теория в простом случае
  • Примеры с размахиванием руками

Неделя 5. Что осталось за кадром?

  • Обнаружение разладки
  • Кластеризация DTW

Полностью выкидываем:

  • Модели прогнозирования волатильности
  • VAR/SVAR
  • нейронные сети

Хотелки:

Хотелки либо войдут в план курса, либо будут выкинуты :)

  • Модель Кростона
  • Фильтр Калмана
  • pid controller?

Источники мудрости:

по R:

https://robjhyndman.com/teaching/

https://otexts.com/fpp3/

https://github.com/rstudio-conf-2020/time-series-forecasting

  • Анализ временных рядов с помощью R, Мастицкий С. Э.

Из моделей: bsts, prophet, выделение аномалий, DTW:

https://ranalytics.github.io/tsa-with-r/

Блог Мастицкого:

https://r-analytics.blogspot.com/search/label/%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7%20%D0%B2%D1%80%D0%B5%D0%BC%D0%B5%D0%BD%D0%BD%D1%8B%D1%85%20%D1%80%D1%8F%D0%B4%D0%BE%D0%B2

https://r-analytics.blogspot.com/search/label/Prophet

  • Karpov Courses, prophet:

https://www.youtube.com/watch?v=JQXCHE0H46U

это про графики, но оч круто! https://github.com/rstudio-conf-2020/dataviz

tensorflow probability sts https://juanitorduz.github.io/intro_sts_tfp/

python:

https://medium.com/tensorflow/structural-time-series-modeling-in-tensorflow-probability-344edac24083

Causal Impact

https://github.com/tcassou/causal_impact

https://www.unofficialgoogledatascience.com/2017/07/fitting-bayesian-structural-time-series.html

Variational Inference, Review for statisticians: https://arxiv.org/pdf/1601.00670.pdf

Куча ноутбуков по рядам:

https://github.com/ChadFulton/tsa-notebooks

Мёртвый пакет по структурным моделям: https://github.com/kyleclo/structural

https://towardsdatascience.com/time-series-forecasting-with-statistical-models-in-python-code-da457a46d68a

http://multithreaded.stitchfix.com/blog/2016/04/21/forget-arima/

https://towardsdatascience.com/structural-time-series-forecasting-with-tensorflow-probability-iron-ore-mine-production-897d2334c72b

http://num.pyro.ai/en/latest/tutorials/time_series_forecasting.html https://cran.r-project.org/web/packages/Rlgt/index.html

https://medium.com/@zhuofanecon/forecast-nonlinear-linear-time-series-in-numpyro-bsgt-example-2c3a0ea7afd2

http://www.stats.uwo.ca/faculty/aim/tsar/tsar.pdf

https://cran.r-project.org/web/packages/dlm/index.html

http://rsta.royalsocietypublishing.org/content/371/1984/20110550.short

https://www.quora.com/How-can-I-learn-Bayesian-time-series-analysis

https://github.com/uber/orbit

https://ocw.mit.edu/courses/economics/14-384-time-series-analysis-fall-2013/lecture-notes/

https://cran.r-project.org/web/packages/forecastML/vignettes/package_overview.html

https://business-science.github.io/modeltime/

https://github.com/awslabs/gluon-ts/

RNN прогнозирование получасового спроса на электричество в R: https://blogs.rstudio.com/ai/index.html#category:Time_Series

https://github.com/asael697/bayesforecast

https://github.com/asael697/varstan

https://github.com/business-science/modeltime.gluonts

данные с большим количеством нулей: intermittent demand with zeroes https://stats.stackexchange.com/questions/373689

тест Диболда-Мариано http://www.phdeconomics.sssup.it/documents/Lesson19.pdf

новый пакет для обработки дат https://cran.r-project.org/web/packages/clock/vignettes/clock.html

  • Посмотреть как реализована сдача домашек через stepik на "Python для извлечения и обработки данных" "R для лингвистов: программирование и анализ данных"

coursera_ts's People

Contributors

bdemeshev avatar

Recommend Projects

  • React photo React

    A declarative, efficient, and flexible JavaScript library for building user interfaces.

  • Vue.js photo Vue.js

    🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.

  • Typescript photo Typescript

    TypeScript is a superset of JavaScript that compiles to clean JavaScript output.

  • TensorFlow photo TensorFlow

    An Open Source Machine Learning Framework for Everyone

  • Django photo Django

    The Web framework for perfectionists with deadlines.

  • D3 photo D3

    Bring data to life with SVG, Canvas and HTML. 📊📈🎉

Recommend Topics

  • javascript

    JavaScript (JS) is a lightweight interpreted programming language with first-class functions.

  • web

    Some thing interesting about web. New door for the world.

  • server

    A server is a program made to process requests and deliver data to clients.

  • Machine learning

    Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.

  • Game

    Some thing interesting about game, make everyone happy.

Recommend Org

  • Facebook photo Facebook

    We are working to build community through open source technology. NB: members must have two-factor auth.

  • Microsoft photo Microsoft

    Open source projects and samples from Microsoft.

  • Google photo Google

    Google ❤️ Open Source for everyone.

  • D3 photo D3

    Data-Driven Documents codes.