Завідувач кафедри САІТ ФІІТА ВНТУ продовжує ділитись досвідом у сфері штучного інтелекту та Data Science на Python. Опублікував нове (вже 25-те!) відео “Розвідувальний аналіз даних (EDA) на прикладі курсу біткоїна” у своєму YouTube-каналі “Курс AI-ML-DS Training на Python”: https://www.youtube.com/watch?v=ZEk966jtmjg…
Розроблений раніше ноутбук для аналізу та прогнозування курсу біткоїна, який легко можна використати для прогнозування й інших криптовалют (та й інших часових рядів) удосконалено:

– Розбито на два: окремо – аналіз та окремо – прогнозування, оскільки ноутбук був надто важкий для сприйняття і перевантажений графіками. Обидва адаптувано вже для роботи з поточною датою, а не фіксовано тільки по 2021 р.

– Ноутбук з аналізу “Crypto – BTC : Advanced EDA” (https://www.kaggle.com/code/vbmokin/crypto-btc-advanced-eda) доповнив новим розділом (саме він охарактеризований у новому відео), про це – далі.

– Ноутбук з прогнозуванням “Crypto – BTC : Analysis & Forecasting” (https://www.kaggle.com/…/crypto-btc-analysis-forecasting) оптимізувано, прибравши ручний спосіб визначення параметрів моделі ARIMA. Досвід показав, що автоматичний варіант спрацьовує непогано теж, хоча, як правило, найкращою є модель Prophet або одна з багатофакторних моделей – моделі ARIMA або працюють гірше, або потребують удосконалення.

У новому ноутбуці з аналізу даних будуються різні графіки, перевіряється часовий ряд на стаціонарність, сезонність, проводиться аналіз дат аномальних значень ряду, порівняння з даними смертності від COVID-19 у США та ін., але новим є останній розділ – застосування бібліотек для автоматичного аналізу даних за різні проміжки часу: з використанням бібліотек Sweetviz та AutoViz. У відео охарактеризовано особливості їх використання та продемонстровано результат на прикладі.

Матеріал буде корисним як тим, хто вивчає автоматизацію побудови графіків на Python, так і тим, хто зараз здійснює написання своєї магістерської кваліфікаційної роботи на ФІІТА ВНТУ, де, як правило, вимагається по-більше аналітики.