Добре ли сте запознати с концепциите за времеви редове? Ако да, прекрасно. Сега е време да приложите знанията си в действие и да създадете невероятни проекти. В тази публикация ще обсъдим 10-те най-добри проекта за времеви серии, които не само ще ви помогнат да изградите своето портфолио в областта на науката за данни и машинното обучение, но също така ще ви помогнат да разберете проблемите в реалния живот и как те могат да използват Data Science за направи живота ни по-лесен.
Съдържание
- Прогнозиране на температурата
- Ежедневно общо раждания при жени в Калифорния
- Прогнозиране на времевите серии на уеб трафика
- Прогнозиране на търсенето на стоки в магазина
- Прогноза за миграция
- Прогнозиране на качеството на въздуха
- Прогноза за цената на акциите на Amazon
- Откриване на аномалия
- Прогнозиране на инфлацията
- Откриване на ЕКГ аномалия
Добре! така че нека обсъдим всеки проект в детайли и причината, поради която избрахме тези.
1. Прогнозиране на температурата
Защо прогнозиране на температурата?
Колко чудесно е, ако можете да прогнозирате температурата в даден град предварително! Това наистина може да помогне на държавните органи, както и на широката общественост да предприемат подходящи действия в точното време. Всички знаем, че поради променящите се метеорологични условия много хора умират всяка година. Според The Hindu, близо 7 40 000 смъртни случая се дължат на необичайно горещи и ниски температури, свързани с изменението на климата.
Как да го приложим?
Модели на времеви редове като авторегресивна интегрирана подвижна средна (ARIMA), SARIMA, SARIMAX и т.н. могат да помогнат за прогнозиране на температурата за предстоящите дни предварително. Най-голямото предимство е, че те могат също да уловят сезонни и циклични тенденции.
Можете да намерите набора от данни тук.
2. Ежедневно общо раждания при жени в Калифорния
Защо ежедневното прогнозиране на раждаемостта е важно?
Този проект има за цел да прогнозира броя на ражданията при жени. Това може да помогне на правителството да прогнозира ражданията на жени в техния град/държава. Правителството може да създаде съответно политики. Според Lancet Global Health около 2 39 000 момичета умират всяка година в страната поради техния пол.
Силно шокиращо! Ето защо прогнозирането помага на правителството да се подготви добре за справяне с тези проблеми в бъдеще.
Как да го приложим?
Отново, модели на времеви серии като ARIMA, AR, MA могат да помогнат за създаването на модели и получаването на прогнозни резултати.
Наборът от данни съдържа общия брой регистрирани раждания на жени в Калифорния, САЩ през 1959 г.
Можете да намерите набора от данни тук.
3. Прогнозиране на времевите серии на уеб трафика
Защо е важно прогнозирането на уеб трафика?
Проектът има за цел да прогнозира обема на трафика на страниците на Wikipedia. Това може да помогне на собствениците на уебсайтове да прогнозират трафика на своя трафик. Въз основа на това те могат да предприемат подходящи стъпки.
Да предположим, че прогнозираният трафик е много висок, вероятно собствениците на уебсайтове могат да помислят да поставят балансьори на натоварването на уебсайта си, защото ако уебсайтът падне дори за няколко минути, това може да доведе до загуба за собственика. В случай на нисък трафик, те вероятно могат да измислят нови маркетингови стратегии, за да привлекат трафик към уебсайта си.
Как да го приложим?
Първо, трябва да изчерпите данните от страниците на Wikipedia в мрежата и след това след предварителна обработка можете да приложите модели на времеви серии като ARIMA и SARIMA. Тези методи са в състояние да уловят и сезонни или циклични тенденции.
Можете да намерите набора от данни тук.
4. Прогнозиране на търсенето на стоки в магазина
Защо прогнозирането на продажбите предварително е важно?
Само си помислете колко полезно е, ако можете да прогнозирате продажбите предварително! От бизнес гледна точка, това е може би едно от най-вълшебните неща, които магазинът или бизнесът могат да прогнозират продажбите предварително. Но възможно ли е това?
Да, така е. Предоставяйки данни за минали продажби, можете да прогнозирате бъдещите продажби предварително. Освен това, както знаем, по време на празничния сезон продажбите са високи в много магазини. Така че трябва да прогнозираме продажбите и през празничния сезон, когато продажбите са в пик.
Как да го приложим?
Моделите от серията Time могат да уловят и сезонните тенденции. Моделът SARIMA може да бъде много полезен за този сценарий. Те са в състояние да уловят и сезонните тенденции.
Наборът от данни съдържа 5 години данни за продажби на артикули в магазина и трябва да предвидите 3 месеца продажби за 50 различни артикула в 10 различни магазина. Можете да намерите набора от данни тук.
5. Прогноза за миграцията
Защо предвиждането на миграцията е важно?
Проектът има за цел да прогнозира притока на мигранти в различни европейски страни. Правейки това, държавните органи могат да бъдат проактивни в подготовката за посрещане на техните нужди и да подкрепят политическата воля за осигуряване на безопасно преминаване в Европа.
Необходима е помощ на мигрантите. Ето защо прогнозирането е от първостепенно значение.
Можете да намерите набора от данни тук.
6. Прогнозиране на качеството на въздуха
Защо е важно?
Според СЗО около 4,2 милиона смъртни случая настъпват всяка година по света поради респираторни заболявания. Замърсяването на въздуха е заплаха. Много е важно да се прогнозира качеството на въздуха. Правителството може да предприеме подходящи действия за справяне със замърсяването на въздуха при спешни случаи. Това може да помогне за спасяването на много животи.
Как да го приложим?
Могат да се използват модели на времеви серии като ARIMA, SARIMA и SARIMAX. Освен това, както знаем, обикновено нивата на замърсяване се увеличават през зимата. Така че тези модели могат да идентифицират и сезонните тенденции.
Можете да намерите набора от данни тук.
7. Прогноза за цената на акциите на Amazon
Защо прогнозиране на цената на акциите?
Прогнозирането на фондовия пазар е действие, при което се опитвате да определите бъдещата стойност на акциите на компанията или друг финансов инструмент, търгуван на борса. Успешното прогнозиране на бъдещата цена на дадена акция може да доведе до висока печалба. Освен това знаем, че пазарът е силно нестабилен и се променя значително, когато на всеки 5 години се формира нова политическа партия поради промяна в правителствената политика за бизнеса.
Наборът от данни съдържа цените на акциите на Amazon за всеки ден. Можете да намерите набора от данни тук.
8. Откриване на аномалия
Защо откриване на аномалии?
Не само прогнозирането, също толкова важно е да се откриват аномалии в данните от времевия ред. Необходимо е да се разработи диагностичен модул за откриване на неизправност в системите. Постигането на това може да ограничи последствията от неуспехи, които могат да бъдат катастрофални за човешките блага и живота. След откриване на аномалия причината може да бъде локализирана и идентифицирана, за да се вземат решения.
Как да го приложим?
Могат да се използват алгоритми за откриване на аномалии като изолирана гора. Също така могат да се използват техники за дълбоко обучение като LSTM и автоенкодери. ARIMA, SARIMA също могат да се използват за целите на прогнозирането.
Можете да намерите набора от данни тук.
9. Прогнозиране на темпа на инфлация
Защо е важно прогнозирането на процента на инфлация?
Хармонизираният индекс на потребителските цени (ХИПЦ) е индекс на потребителските цени, който се използва за измерване на инфлацията в Европа. Използва се за провеждане на паричната политика. ХИПЦ се използва за изчисляване на сумата, която средният потребител би трябвало да похарчи за дадена година, за да закупи същите основни стоки и услуги. Това се отразява и на поминъка на хората. Високата инфлация може да бъде опасна. Ето защо тяхното предварително прогнозиране може да помогне на правителството да промени всички съществуващи икономически политики за подобряване на икономиката на нацията.
Можете да намерите набора от данни тук.
10. Откриване на ЕКГ аномалия
Защо това е важен случай на употреба?
Проектът има за цел да анализира данни от сензори в реално време, за да идентифицира всякакви необичайни сърдечни удари. Това е толкова критичен въпрос. Само си представете, ако лекарите могат да открият аномалиите, той/тя може да предприеме подходящи действия. Това може да спаси много животи и е магията на изкуствения интелект. AI може да спаси човечеството, ако бъде разгърнат внимателно.
Можете да намерите набора от данни тук.
Заключение
Надяваме се, че успяхте да разберете важността на анализа на данните от времеви редове и какви проблеми може да реши. Моделите на времеви серии могат да бъдат използвани за решаване на случаи на употреба в реалния живот.
И така, какво чакате?
Просто си изцапайте ръцете с проектите и ни уведомете в коментарите, ако ги намирате за полезни.
Ако искате да получите практическа практика в прогнозирането на времеви редове, можете да разгледате Bootcamp, организиран от Let the Data Confess Pvt. ООД
