Временные ряды для прогноза криптовалют — Елена Кантонистова (2025) Stepik

Временные ряды для прогноза криптовалют

Автор курса: Елена Кантонистова

Сайт автора: stepik_org/course/177216/promo

Цена автора: 200 руб.

 

Курс посвящен изучению методов анализа и прогнозирования временных рядов на примере криптовалют с помощью классических подходов и при помощи машинного обучения

Чему вы научитесь:
познакомитесь с задачей прогнозирования временных рядов и основными подходами к ее решению
узнаете о Python библиотеках, предназначенных для анализа временных рядов
поучаствуете в соревновании и построите прогнозные модели для предсказания цен на криптовалюты
О курсе
В данном курсе изучаются методы анализа временных рядов и решается задача прогнозирования цены криптовалют с помощью классических подходов, а также при помощи машинного обучения

Для кого этот курс:
Курс предназначен для слушателей, знакомых с основами анализа данных и машинного обучения и желающих научиться специальным подходам, предназначенным для прогнозирования временных рядов. Также курс будет интересен тем, кто интересуется поведением криптовалют

Начальные требования:
знание математики в рамках школьной программы
знание алгоритмов анализа данных и машинного обучения на начальном или среднем уровне
умение программировать на python на начальном уровне или выше

Елена Кантонистова. Кандидат физико-математических наук, выпускница школы анализа данных Яндекса (ШАД)
Академический руководитель магистратуры «Искусственный интеллект» (ранее «Машинное обучение и высоконагруженные системы») Факультета компьютерных наук ВШЭ, доцент департамента больших данных и информационного поиска ФКН…

Интенсив состоит из трех онлайн-занятий:

Методы анализа временных рядов, линейные модели
Вебинар от эксперта по криптовалютам
Машинное обучение для построения прогнозов

Программа курса:

• Как устроен курс
• Особенности работы с временными рядами
• Материалы первого вебинара
• Домашнее задание
• Рассказ эксперта о криптовалютах
• Машинное обучение для прогнозирования временных рядов
• Фреймворки для работы с временными рядами в Python
• Материалы третьего вебинара
• Домашнее задание
• Адаптивный подход
• Улучшения классических экспоненциальных моделей
• Домашнее задание
• Платформа Kaggle
• Подведение итогов

В курс входят 15 уроков 7часов 25 минут видео 25 тестов.