Szeregi czasowe w Pythonie

O szkoleniu

Warsztatowe szkolenie z zakresu analizy szeregów czasowych z użyciem języka Python. Szkolenie obejmuje podstawową metodologie badań i prognozowania szeregów czasowych w ujęciu różnych dyscyplin: AI, analizy sygnałów, finansów i tradingu, procesów stochastycznych.

Dla kogo?

Wymagana jest minimalna znajomość języka Python oraz podstawowa wiedza z zakresu statystyki lub ekonometrii. Szkolenie pozwala nabyć praktycznych umiejętności radzenia sobie z szeroką częścią danych strukturalnych, takich jak szeregi czasowe. Z racji tego, szkolenie to jest w szczególności dedykowane osobom wiążącym swoją przyszłość (lub obecną pracę) z takimi sektorami jak: telekomunikacja, energetyka, finanse, bankowość, trading, medycyna oraz szeroko pojęta matematyka i fizyka.

Charakter szkolenia

Szkolenie ma charakter warsztatowy. W trakcie szkolenia uczestnicy realizują 50-70 warsztatów trwających po 5-15 minut. Każde omówione zagadnienie podsumowane jest kilkoma następującymi po sobie ćwiczeniami o wzrastającym poziomie trudności. W ramach szkolenia realizowany jest w pełni funkcjonalny projekt, mający na celu jak najlepsze zaprognozowanie szeregu czasowego za pomocą różnych metodologii.

Przebieg szkolenia

Zajęcia rozpoczynamy instalacją i konfiguracją interpretera języka Python oraz, najpopularniejszego w Data Science, środowiska Anaconda. Zawiera ono wygodny edytor do programowania - Spyder.

Po skonfigurowaniu środowiska pracy, rozpoczyna się praca z importowaniem danych w formacie csv i zapoznanie z podstawowymi metodami wizualizacji szeregów czasowych.

Gdy powyższy cel zostanie zrealizowany, będziemy badać po kolei główne właściwości matematyczne różnego rodzaju szeregów czasowych, takie jak: stacjonarność, autokorelacja, sezonowość, szum, multiplikatywność czy też istniejące trendy. Nauczymy się także, jak radzić sobie z danymi zawierającymi luki oraz z sytuacjami, gdy danych jest zbyt mało, aby przeprowadzić modelowanie. Innym elementem będzie wykorzystanie wielowymiarowych sekwencji i selekcja odpowiednich cech, które najlepiej wyjaśniają zmienność zmiennej zależnej. Dowiemy się również, jak unikać częstych błędów popełnianych przez początkujących analityków.

W następnym kroku zaczynamy uczyć się różnych sposobów prognozowania, nabierając przy tym intucjji/świadomości tego, która z technik jest najlepsza do wykorzystania w danym przypadku. Podobnie, zapoznajemy się z metrykami oceny błędu i ich doborem, który silnie zależy od natury problemu biznesowego.

W następnej kolejności uczymy się badać naturę stochastyczną potencjalnych szeregów czasowych, mierząc między innymi prawdopodobieństwa tego, czy są one losowe bądź deterministyczne. Analizujemy przy tym rozkłady zmian kolejnych (sąsiędnich) wartości szeregów oraz poprawnej segmentacji danych, w zależności od uzyskanych rozkładów.

Podczas przerabiania ostatnich trzech bloków tematycznych, uczymy się zastosowywać analizę fourierowską, sieci neuronowe oraz analizę techniczną stosowaną przed traderów. Poznajemy wówczas wiedzę i metody wychodzące daleko poza prognozowanie przyszłych wartości szeregów. Odnoszą się one niekiedy do najnowszych postępów w dziedzinach, takich jak: rozpoznawanie mowy i języka, automatyczne wykrywanie nieprawidłowości kardiologicznych przez EKG/EEG, błędów gramatycznych w piśmie, przewidywania kierunku ruchu cen na giełdowych, jak również klonowania dźwięku, czy generowania muzyki.

Realizacja projektu końcowego

Szkolenie kończy projekt realizowany przez uczestników. Będzie on polegał na porównaniu kilku wybranych metod prognozowania (po jednej z każdego bloku tematycznego) i ich wyników dla zadanego szeregu, włączając w to poprzedzającą analizę i dobranie stosownej metryki ewaluacji modelu.

Środowisko robocze