12.15.2023 - By Mikhail
В гостях Юрий Кацер - эксперт по анализу данных и машинному обучению в промышленности, DS team lead Conundrum.ai. В выпуске говорим о том, что такое временные ряды и как их можно анализировать и прогнозировать с помощью машинного обучения. Какие задачи из реального мира сводятся к анализу временных рядов? Как работать с некачественными данными? Почему техобслуживание даже одной детали большой системы может привести к тому, что ML-модель отправится на свалку истории? Имеет ли смысл методы анализа временных рядов применять для того, чтобы угадать курс биткоина? С чего начать погружение в область? И как экономить деньги компании на сезонности? Обо всем этом в выпуске подкаста!
Ссылки выпуска:
Телеграм-канал Юрия о задачах ML в промышленности и не только ( https://t.me/DataKatser)
Пост со ссылками на открытые датасеты с промышленными данными ( https://t.me/DataKatser/62)
Одна из лучших лекций на русском про прогнозирование временных рядов ( https://www.youtube.com/watch?v=u433nrxdf5k)
Набор блокнотов и презентация по анализу временных рядов ( https://github.com/DataForScience/Timeseries/tree/master)
Буду благодарен за обратную связь!
Вступайте в книжный ML-клуб, где мы читаем книги по машинному обучению и смежным темам!
MLBookClub ( https://t.me/+HIXnIwXIIFAyYzYy)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" ( https://t.me/toBeAnMLspecialist)
Мой телеграм для связи ( https://t.me/kmsint)
Также со мной можно связаться по электронной почте: [email protected]
А еще я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике ( https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!
Выразить благодарность можно добрым словом и/или донатом ( https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)