Skip to content

About

HSE Time Series 2025

Resources

Stars

16 stars

Watchers

0 watching

Forks

Latest commit

 

History

4 Commits

Folders and files

NameName
Last commit message
Last commit date
 
 
 
 
 
 

Repository files navigation

Анализ временных рядов

Цель курса состоит в том, чтобы дать интуицию и инструментарий для решения различных задач анализа временных рядов, а также познакомить с современными методами и моделями.

Программа курса

  1. Введение: Прикладные задачи и основные понятия
  2. Введение: EDA и простейшие прогнозы
  3. Классические методы: Экспоненциальное сглаживание и модели семейства ETS
  4. Классические методы: Стационарность, автокорреляции и модели семейства ARIMA
  5. Классические методы: Сборка end-to-end пайплайна прогнозирования и исследование неопределённости прогноза
  6. Машинное обучение: Перевод задачи прогнозирования в задачу табличной регрессии
  7. Машинное обучение: Локальные и глобальные модели
  8. Машинное обучение: Стратегии многошагового и многомерного прогнозирования
  9. Глубокое обучение: Основные архитектурные идеи
  10. Глубокое обучение: Механизм внимания и трансформерные модели
  11. Глубокое обучение: Практика обучения нейронных моделей
  12. Глубокое обучение v.2: Фундаментальные модели и LLM для задачи прогнозирования
  13. Глубокое обучение v.2: Генеративные модели и современные задачи анализа временных рядов

Домашние задания

Штраф за просрочку: -1 балл за каждые 24 часа просрочки.

ДЗ-1. Классические методы

  • Выдаётся: после занятия 5.
  • Содержание: анализ и подготовка рядов, разложение на компоненты, базовые прогнозы, ETS, ARIMA/SARIMA, проверка качества, диагностика ошибок.
  • Ссылка на прошлогоднее задание: https://github.com/elineii/HSE-Time-Series-Analysis/tree/2025-2026/HW_1

ДЗ-2. Методы машинного обучения

  • Выдаётся: после занятия 8.
  • Содержание: лаговые и календарные признаки, глобальные модели, дополнительные признаки, корректная проверка качества, стратегии рекурсивного и прямого многошагового прогнозирования, сравнение результатов.
  • Ссылка на прошлогоднее задание: https://github.com/elineii/HSE-Time-Series-2025/tree/2025-2026/HW_2

ДЗ-3. Исследовательский проект

  • Выдаётся: после занятия 11.
  • Формат выполнения: индивидуально или в командах до трёх человек с описанием личного вклада.
  • Формат сдачи: краткий отчёт в PDF и ссылка на воспроизводимый репозиторий.
  • Два возможных направления проекта: исследовательская гипотеза (выбрать один контролируемый вопрос и проверить его на данных), прикладная задача на реальных данных (показать логику построения решения от простых прогнозов и классических методов до ML и DL моделей и выбить максимальное качество).

Формула оценки

Итог = 0,5 × (ДЗ-1 + ДЗ-2) + 0,1 × Stepik + 0,2 × Проект + 0,2 × Экзамен

В каждом домашнем задании предусмотрены обязательные и бонусные задания. Суммарно за одну работу можно получить более 10 баллов. Бонусные баллы позволяют компенсировать недостающие баллы за другую домашнюю работу. При этом общая оценка за домашние задания не может превышать 10 баллов.

Условия получения оценки за экзамен без его прохождения

Студент может получить оценку за экзамен без его прохождения, если выполнены все условия:

  • ДЗ — не менее 8 баллов (среднее за 2 ДЗ);
  • тесты на Stepik — не менее 8 баллов;
  • исследовательский проект — не менее 8 баллов.

About

HSE Time Series 2025

Resources

Stars

16 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages