Statistická analýza časových řad - seminář

Vztahy:

Podmínkou zápisu na předmět NI-SCRS je, že student si nejpozději ve stejném semestru zapsal předmět NI-SCR

Garant předmětu:

Přednášející:

Cvičící:

Předmět zajišťuje:

katedra aplikované matematiky

Anotace:

Seminář k předmětu Statistická analýza časových řad rozšiřuje základní znalosti a poskytuje přehled moderních metod, zejména z oblastí strojového učení a umělé inteligence. Důraz není kladen na detailní teorii, ale na pochopení principů a jejich praktické využití. První část semestru se zaměřuje na rozšíření klasických metod, zejména na problematiku sezónnosti a vícenásobné sezónnosti se spektrální interpretací. Druhá část pokrývá základní úlohy práce s časovými řadami s využitím metod strojového učení, z části představených pro klasické (nečasořadé) problémy v předmětech BI-ML1 a BI-ML2. Poslední část je věnována moderním metodám umělé inteligence. Výuka je orientována na praktické použití open-source nástrojů, zejména pytorch, sktime, scikit-learn, tslearn a tsfresh.

Požadavky:

Osnova přednášek:

1. Spektrální analýza v problematice časových řad.

2. Vícenásobná sezónnost v časových řadách.

3. Metriky a jiné míry podobnosti časových řad (DTW).

4. Metody strojového učení I: náhodné lesy.

5. Metody strojového učení II: XGBoost.

6. Metody strojového učení III: LightGBM.

7. Metody strojového učení IV: k-NN.

8. Klasifikace v časových řadách: shapelety.

9. Základy klastrování v časových řadách.

10. Pokročilé AI metody v časových řadách I (transformery)

11. Pokročilé AI metody v časových řadách II (Chronos)

12. Pokročilé AI metody v časových řadách III (shrnutí)

13. Shrnutí obsahu semestru, zakončení předmětu.

Osnova cvičení:

1. Spektrální analýza v problematice časových řad.

2. Vícenásobná sezónnost v časových řadách.

3. Metriky a jiné míry podobnosti časových řad (DTW).

4. Metody strojového učení I: náhodné lesy.

5. Metody strojového učení II: XGBoost.

6. Metody strojového učení III: LightGBM.

7. Metody strojového učení IV: k-NN.

8. Klasifikace v časových řadách: shapelety.

9. Základy klastrování v časových řadách.

10. Pokročilé AI metody v časových řadách I (transformery)

11. Pokročilé AI metody v časových řadách II (Chronos)

12. Pokročilé AI metody v časových řadách III (shrnutí)

13. Shrnutí obsahu semestru, zakončení předmětu.

Cíle studia:

Studijní materiály:

Hyndman, R.J., & Athanasopoulos, G. (2018) Forecasting: principles and practice, 2nd edition, OTexts: Melbourne, Australia. OTexts.com/fpp2.

Auffarth, B. (2021) Machine Learning for Time-Series with Python: Forecast, predict, and detect anomalies with state-of-the-art machine learning methods. Packt Publ., 2021.

A. F. Ansari et al., Chronos: Learning the Language of Time Series, Nov. 04, 2024, arXiv:2403.07815. doi: 10.48550/arXiv.2403.07815.

Kong, X., Chen, Z., Liu, W. et al. Deep learning for time series forecasting: a survey. Int. J. Mach. Learn. & Cyber. 16, 50795112 (2025). https://doi.org/10.1007/s13042-025-02560-w.

M. Vlachos, D. Gunopoulos, and G. Kollios. 2002. Discovering Similar Multidimensional

Young-Seon Jeong, Myong K. Jeong, Olufemi A. Omitaomu, Weighted dynamic time warping for time series classification, Pattern Recognition, Volume 44, Issue 9, 2011, Pages 2231-2240, ISSN 0031-3203, https://doi.org/10.1016/j.patcog.2010.09.022.

J. Grabocka et al. Learning Time-Series Shapelets. SIGKDD 2014.

Poznámka:

Informace o předmětu a výukové materiály naleznete na https://courses.fit.cvut.cz/NI-SCR/ The course is presented in Czech.

Další informace:

https://courses.fit.cvut.cz/NI-SCR/

Pro tento předmět se rozvrh nepřipravuje

Předmět je součástí následujících studijních plánů:

• Mgr. specializace Počítačová bezpečnost, 2020 (volitelný předmět)
• Mgr. specializace Návrh a programování vestavných systémů, 2020 (volitelný předmět)
• Mgr. specializace Počítačové systémy a sítě, 2020 (volitelný předmět)
• Mgr. specializace Manažerská informatika, 2020 (volitelný předmět)
• Mgr. specializace Softwarové inženýrství, 2020 (volitelný předmět)
• Mgr. specializace Systémové programování, verze od 2020 (volitelný předmět)
• Mgr. specializace Webové inženýrství, 2020 (volitelný předmět)
• Mgr. specializace Znalostní inženýrství, 2020 (volitelný předmět)
• Mgr. specializace Teoretická informatika, 2020 (volitelný předmět)
• Mgr. program, pro fázi studia bez specializace, ver. pro roky 2020 a vyšší (volitelný předmět)
• Study plan for Ukrainian refugees (volitelný předmět)
• Mgr. specializace Systémové programování, verze od 2023 (volitelný předmět)
• Mgr. specializace Teoretická informatika, 2023 (volitelný předmět)
• Kvantová informatika (volitelný předmět)
• Mgr. specializace Počítačová bezpečnost, 2026 (volitelný předmět)
• Mgr. specializace Počítačové systémy a sítě, 2026 (volitelný předmět)
• Mgr. specializace Teoretická informatika, 2026 (volitelný předmět)
• Mgr. specializace Programovací jazyky, 2026 (volitelný předmět)
• Mgr. specializace Umělá inteligence, 2026 (volitelný předmět)
• Mgr. program, pro fázi studia bez specializace, ver. pro roky 2026 a vyšší (volitelný předmět)