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..

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 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...

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..

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..