Аналіз та прогнозування часових рядів на прикладі курсу біткоїна

У програмі на Python реалізовано і моделі часових рядів (FB Prophet, ARIMA), і класичні моделі машинного навчання на основі багатьох ознак – регресії, дерева рішень, багатошарова нейронна мережа та ін. Розвідувальний аналіз даних, синтез нових ознак у різний спосіб, формування навчального, валідаційного та тестового датасету, тюнінг параметрів кожної моделі, вибір оптимальної моделі і прогноз за нею, аналіз важливості ознак - про це в деталях і на прикладі.

Програма легко може буде удосконалена та адаптована до зовсім іншої задачі – пояснено як саме.