Моделирование временных рядов

Бакалавриат 2020/2021

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»

Лучший по критерию «Новизна полученных знаний»

Статус: Курс по выбору (Прикладная математика и информатика)

Направление: 01.03.02. Прикладная математика и информатика

Кто читает: Департамент больших данных и информационного поиска

Где читается: Факультет компьютерных наук

Когда читается: 4-й курс, 1, 2 модуль

Формат изучения: без онлайн-курса

Преподаватели: Демешев Борис Борисович, Зехов Матвей Сергеевич

Язык: русский

Кредиты: 5

Контактные часы: 60

Полная версия программы учебной дисциплины

Аннотация

Данный курс предполагает познакомить студентов с особенностями обработки данных, содержащих в себе временные зависимости. Будут рассмотрены разносторонние подходы к моделированию временных рядов, включающие в себя статистические модели, байесовские методы и иные альтернативные концепции. Временные ряды являются широко распространённой структурой данных в задачах, решаемых в самых разных отраслях: начиная от анализа физических процессов и заканчивая прогнозированием спроса на какие-либо товары в розничных сетях. Данный курс поможет сформировать унифицированную базу знаний о временных рядах, которая будет применима в любом из направлений.

Цель освоения дисциплины

Уметь проверять временные ряды на наличие стационарности в слабой форме
Уметь идентифицировать ARIMA-модели по коррелограммам
Уметь подбирать спецификацию ETS-модели
Уметь полностью выстраивать процесс оценки и валидации ARIMA-моделей, включая преобразования данных.

Планируемые результаты обучения

Уметь распознавать необходимость применения моделей с ненаблюдаемыми компонентами.
Уметь использовать фильтр Калмана для оценки моделей.
Знать базовые принципы байесовского прогнозирования временных рядов.