Публикации по теме 'timeseries'
Shifts Challenge 2022: Учебное пособие по оценке мощности судна
Введение
Добро пожаловать на испытание «Смены» — трек оценки мощности!
Как участник, вам нужно будет выполнить несколько шагов для подготовки заявки, которые описаны в этом посте. Если вы еще не зарегистрировались на челлендж, вы можете сделать это по этой ссылке .
Задача оценки мощности состоит из двух этапов:
Этап 1 (этап разработки). Участники будут работать с синтетическими данными. После запуска соревнования выпускаются наборы данных для обучения и разработки, которые..
Варианты использования машинного обучения в торговле на фондовом рынке
Введение :
Фондовый рынок может быть сложным и непредсказуемым местом, где при принятии инвестиционных решений необходимо учитывать множество факторов. Тем не менее, достижения в области технологий машинного обучения могут революционизировать наш подход к торговле на фондовом рынке. Машинное обучение — это тип искусственного интеллекта, который позволяет системам учиться и совершенствоваться на основе опыта без явного программирования. Анализируя большие объемы данных, алгоритмы..
Открытый исходный код VictoriaMetrics
Открытый исходный код VictoriaMetrics
Мы рады сообщить, что VictoriaMetrics входит в мир открытого исходного кода под лицензией Apache2 !
Что такое VictoriaMetrics?
VictoriaMetrics - это высокопроизводительная ресурсоэффективная база данных временных рядов со следующими функциями:
Идеально интегрируется со стеком Prometheus + Grafana. Легко настраивать и работать. Он требует меньше ресурсов - ОЗУ, ЦП, ввода-вывода и дискового хранилища - по сравнению с конкурентами...
Как создать торговую стратегию ARIMA + GARCH с помощью QuantStart
Визуализация данных
Как создать торговую стратегию ARIMA + GARCH с помощью QuantStart
Введение
В этой статье я покажу, как я построил торговую стратегию ARIMA + GARCH с помощью пакета Quantstrat R.
Я предполагаю, что читатель знаком с основными строительными блоками, из которых состоит торговая стратегия в квантстрате. Если это не так, я настоятельно рекомендую прочитать главы с 1 по 5 из [1].
Код для воспроизведения результатов, описанных в этой статье, можно найти в этом..
Прогнозирование временных рядов энергопотребления с использованием модели глубокого обучения Python и LSTM
Как использовать глубокое обучение с временными рядами
Цель этой статьи - представить читателю класс на Python, который имеет очень интуитивно понятный и простой ввод для моделирования и прогнозирования данных временных рядов с использованием глубокого обучения. В идеале читатель должен иметь возможность скопировать код, представленный в этой статье или репозитории GitHub, адаптировать его к своим потребностям (например, добавить больше слоев в модель) и использовать его в своей..