Časové rady

• Základné znalosti programovania v jazyku Python
• Stredoškolské znalosti lineárnej algebry, matematickej analýzy a teórie pravdepodobnosti. Bude predpokladané základné porozumenie pojmom ako vektor, matica, vektorový priestor, pravdepodobnosť, podmienená pravdepodobnosť, nezávislosť náhodných javov a znalosť násobenia matíc a derivácií funkcií.
• Znalosti strojového učenia na úrovni kurzu Úvod do strojového učenia.

Študijný materiál Machine Learning College.

• Úvod do teórie časových radov
• Vybrané postupy modelovania časových radov (časová a frekvenčná doména, spektrálna analýza, autokorelácia, modely časových radov (ARIMA apod.)
• Praktický príklad (pandas, základné charakteristiky, jednoduchá predikcia)
• Metódy strojového učenia pre časové rady (state space metódy, hidden markov model, kalman filter, dopredné neurónové siete, rekurentné neurónové siete, LSTM)
• Praktické príklady ilustrujúce silu strojového učenia (príprava trénovacej množiny podľa typu úlohy a zvoleného modelu, trénovanie a evaluácia)
• Komplexný scenár predikcie časových radov pomocou rekurentnej siete (predikcia teploty z viacrozmerných vstupných údajov: zber a príprava trénovacej množiny, trénovanie a validácia modelu, predikovanie pomocou naučenej siete)

Predošlé kurzy

Python I - úvod do programovania [PYTHON_INTRO]

Úvod do strojového učenia [MLC_INTRO]