Алгоритм автоматического до-обучения (AutoML) для работы с временными рядами.

Проблема: В компаниях лишь малое количество самых опытных менеджеров обладают полными знаниями о той или иной области функционирования организации, в частности, информацией о: 

  • продуктах и услугах, включая суммы пополнений счетов, способы увеличения объема продаж на фоне жесткой конкуренции и возможности снижения спроса;  
  • сотрудниках, в том числе о количестве людей, выполняющий производственную функцию;
  • активах компании, например, о ежедневных котировках акций и др.  

В результате компания сильно зависит от данных менеджеров, которые могут не успевать обрабатывать весь объем данных, допускать ошибки при прогнозировании и, как следствие, упускать многие возможности. 

Решение: Алгоритм автоматического до-обучения (AutoML), который позволяет выявлять устойчивые модели и закономерности на основании исторических данных, а также информации о временных рядах и сопутствующих числовых/категориальных признаках. В результате, становится возможным прогнозирование на заданный горизонт значения целевых переменных с оценкой доверительного интервала. Так, например, алгоритм позволяет лучше выявлять возможности продаж, обращая внимание менеджеров на определенные события, и в то же время снизить нагрузку на самых опытных сотрудников.

Стек технологий: Python, Pytorch, Sklearn, XGBoost 

Закрыть меню
×
Мы используем cookie-файлы для наилучшего представления нашего сайта. Продолжая использовать этот сайт, вы соглашаетесь с использованием cookie-файлов.
Принять