LSTM для прогнозирования временных рядов | Лекция Якоба Аунгиерса

Лекция Якоба Аунгиерса (Jakob Aungiers) о нейронных сетях LSTM и прогнозировании временных рядов. На примерах синусоиды, потребления электроэнергии и индекса S&P 500 спикер показывает подготовку данных, устройство модели и ограничения прогноза. В заключительной части — разбор реализации на Python с Keras: скользящие окна, разделение выборок, нормализация и запуск обучения. Это размещённая на канале запись выступления другого автора; озвучка на русском языке. 00:00 Знакомство со спикером и темой 02:28 Обычные и рекуррентные нейронные сети 05:26 Как устроена ячейка LSTM 08:41 Синусоида и скользящие окна 10:20 Python, Keras и форма входных данных 14:26 Архитектура модели и прогноз синусоиды 19:54 Пример с потреблением электроэнергии 22:01 S&P 500 и ограничения финансового прогноза 23:45 Закономерности и шум в данных датчиков 26:52 Обсуждение других нейросетевых подходов 30:51 Фильтрация шума и многомерные данные 35:07 Разбор кода на Python 38:48 Нормализация и порядок обучающих окон 40:18 Создание сети и запуск обучения