سبق 1ਲੋੜੀਂਦੇ ਕਰਨ ਵਿਚਾਰ: ਫਿਰ ਤੋਂ ਟ੍ਰੇਨਿੰਗ ਚੱਕਰ, ਡੇਟਾ ਪਾਈਪਲਾਈਨਾਂ, ਡ੍ਰਿਫਟ ਮਾਨੀਟਰਿੰਗ ਅਤੇ ਬੈਕਟੈਸਟਿੰਗ ਅਨੁਮਾਨਆਮਦਨ ਅਨੁਮਾਨ ਸਿਸਟਮਾਂ ਦੇ ਲੋੜੀਂਦੇ ਕਰਨ ਲਈ ਯੋਜਨਾ ਬਣਾਓ, ਜਿਸ ਵਿੱਚ ਫਿਰ ਤੋਂ ਟ੍ਰੇਨਿੰਗ ਦਾ ਚੱਕਰ, ਆਟੋਮੈਟਿਕ ਡੇਟਾ ਪਾਈਪਲਾਈਨਾਂ, ਡੇਟਾ ਅਤੇ ਕਾਂਸੈਪਟ ਡ੍ਰਿਫਟ ਲਈ ਮਾਨੀਟਰਿੰਗ ਅਤੇ ਬਦਲਦੀਆਂ ਬਜ਼ਾਰ ਹਾਲਤਾਂ ਵਿੱਚ ਸਥਿਰ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਲਗਾਤਾਰ ਬੈਕਟੈਸਟਿੰਗ ਸ਼ਾਮਲ ਹੈ।
Designing robust data pipelinesScheduling retraining and updatesMonitoring data and concept driftOngoing backtesting and benchmarkingAlerting and rollback strategiesسبق 2ਸਟੇਕਹੋਲਡਰਾਂ ਨੂੰ ਅਨੁਮਾਨਾਂ ਪੇਸ਼ ਕਰਨਾ: ਪੁਆਇੰਟ ਅਨੁਮਾਨਾਂ ਅਤੇ ਇੰਟਰਵਲਾਂ ਦੀ ਵਿਜ਼ੁਅਲਾਈਜ਼ੇਸ਼ਨ, ਸੀਨੇਰੀਓ ਵਿਸ਼ਲੇਸ਼ਣ, ਧਾਰਨਾਵਾਂ ਦੀ ਪਾਰਦਰਸ਼ਤਾਸਟੇਕਹੋਲਡਰਾਂ ਨੂੰ ਆਮਦਨ ਅਨੁਮਾਨਾਂ ਨੂੰ ਪ੍ਰਭਾਵੀ ਢੰਗ ਨਾਲ ਪੇਸ਼ ਕਰੋ, ਪੁਆਇੰਟ ਅਤੇ ਇੰਟਰਵਲ ਪੂਰਵਾਨੁਮਾਨਾਂ ਦੀਆਂ ਸਾਫ਼ ਵਿਜ਼ੁਅਲਾਈਜ਼ੇਸ਼ਨਾਂ, ਸੀਨੇਰੀਓ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਧਾਰਨਾਵਾਂ, ਸੀਮਾਵਾਂ ਅਤੇ ਮਾਡਲ ਜੋਖਮ ਵਿਚਾਰਾਂ ਦੀ ਪਾਰਦਰਸ਼ੀ ਡਾਕੂਮੈਂਟੇਸ਼ਨ ਨਾਲ।
Visualizing point and interval forecastsScenario and what-if analysis designExplaining drivers and key featuresDocumenting assumptions and limitsTailoring messages to stakeholdersسبق 3ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਟਾਈਮ ਸੀਰੀਜ਼ ਮਾਡਲ: ਲੈਗਡ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨਾਲ ਰੈਂਡਮ ਫੌਰੈਸਟਸ/ਗ੍ਰੇਡੀਐਂਟ ਬੂਸਟਿੰਗ, XGBoost/LightGBM, ਅਤੇ ਸੀਕੁਐਂਸ ਮਾਡਲ (LSTM/GRU)ਟਾਈਮ ਸੀਰੀਜ਼ ਆਮਦਨ ਅਨੁਮਾਨ ਲਈ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਮਾਡਲਾਂ ਨੂੰ ਟ੍ਰੇਨ ਕਰੋ, ਜਿਸ ਵਿੱਚ ਲੈਗਡ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨਾਲ ਟ੍ਰੀ ਐਂਸੈਂਬਲਾਂ ਅਤੇ LSTM ਅਤੇ GRU ਵਰਗੇ ਸੀਕੁਐਂਸ ਮਾਡਲ ਸ਼ਾਮਲ ਹਨ, ਨਾਨਸਟੇਸ਼ਨੈਰਟੀ, ਸੀਜ਼ਨੈਲਟੀ ਅਤੇ ਉਤਪਾਦ-ਸਥਾਨਕ ਵਿਭਿੰਨਤਾ ਨੂੰ ਹੈਂਡਲ ਕਰਦੇ ਹੋਏ।
Random forests with lagged featuresGradient boosting, XGBoost, LightGBMGlobal versus local forecasting modelsSequence models with LSTM and GRUHandling nonstationarity and scalingسبق 4ਅਨੁਮਾਨ ਟੀਚਿਆਂ ਅਤੇ ਮੁਲਾਂਕਣ ਹੋਰਾਈਜ਼ਨਾਂ ਨੂੰ ਫਾਰਮੂਲੇਟ ਕਰਨਾ (ਉਦਾਹਰਨ ਲਈ ਅਗਲੇ 3, 6, 12 ਮਹੀਨੇ)ਕੋਰ ਬੈਂਕ ਉਤਪਾਦਾਂ ਲਈ ਅਨੁਮਾਨ ਟੀਚਿਆਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ ਪੂਰਵਾਨੁਮਾਨ ਟੀਚੇ, ਹੋਰਾਈਜ਼ਨ ਅਤੇ ਗ੍ਰੇਨੂਲੈਰਟੀ ਨੂੰ ਚੁਣ ਕੇ, ਅਤੇ ਬਜਟਿੰਗ, ਕੀਮਤ ਨਿਰਧਾਰਨ, ਲਿਕਵਿਡਟੀ ਯੋਜਨਾਬੰਦੀ ਅਤੇ ਰੈਗੂਲੇਟਰੀ ਜਾਂ ਜੋਖਮ ਰਿਪੋਰਟਿੰਗ ਲੋੜਾਂ ਨਾਲ ਜੋੜੋ।
Choosing revenue targets and unitsSelecting forecast horizons and frequencyAligning forecasts with business decisionsGranularity by product, segment, and regionHandling new products and short historiesسبق 5ਟਾਈਮ ਸੀਰੀਜ਼ ਡੇਟਾ ਨੂੰ ਪਛਾਣਨ ਅਤੇ ਸਰੋਤ ਬਣਾਉਣਾ (ਪਬਲਿਕ ਵਿੱਤੀ ਸੀਰੀਜ਼, ਭੁਗਤਾਨ ਵਾਲੀਊਮ, ਸਿੰਥੈਟਿਕ ਜਨਰੇਸ਼ਨ ਤਕਨੀਕਾਂ)ਬੈਂਕ ਆਮਦਨ ਅਨੁਮਾਨ ਲਈ ਟਾਈਮ ਸੀਰੀਜ਼ ਡੇਟਾ ਨੂੰ ਪਛਾਣਨ, ਮੁਲਾਂਕਣ ਕਰਨ ਅਤੇ ਸਰੋਤ ਬਣਾਉਣ ਲਈ ਸਿੱਖੋ, ਜਿਸ ਵਿੱਚ ਅੰਦਰੂਨੀ ਉਤਪਾਦ ਮੈਟ੍ਰਿਕਸ, ਪਬਲਿਕ ਵਿੱਤੀ ਸੀਰੀਜ਼ ਅਤੇ ਸਿੰਥੈਟਿਕ ਡੇਟਾ ਸ਼ਾਮਲ ਹੈ ਜੋ ਘੱਟ ਜਾਂ ਸ਼ੋਰੀ ਇਤਿਹਾਸਕ ਰਿਕਾਰਡਾਂ ਨੂੰ ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਵਧਾਉਂਦਾ ਹੈ।
Cataloging internal product revenue seriesUsing public macro and market data sourcesCollecting payment and transaction volume dataAssessing data quality, gaps, and revisionsSynthetic data generation for stress scenariosسبق 6ਟ੍ਰੇਨਿੰਗ ਅਤੇ ਹਾਈਪਰਪੈਰਾਮੀਟਰ ਟਿਊਨਿੰਗ: ਗ੍ਰਿਡ/ਰੈਂਡਮ ਸਰਚ, ਬੇਅਨਜ਼ੀਅਨ ਅਪਟੀਮਾਈਜ਼ੇਸ਼ਨ, ਟਾਈਮ-ਅਵੇਅਰ ਸਕੋਰਿੰਗਸਟ੍ਰਕਚਰਡ ਹਾਈਪਰਪੈਰਾਮੀਟਰ ਟਿਊਨਿੰਗ ਰਣਨੀਤੀਆਂ ਨਾਲ ਮਾਡਲ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਅਪਟੀਮਾਈਜ਼ ਕਰੋ, ਜਿਸ ਵਿੱਚ ਗ੍ਰਿਡ ਅਤੇ ਰੈਂਡਮ ਸਰਚ, ਬੇਅਨਜ਼ੀਅਨ ਅਪਟੀਮਾਈਜ਼ੇਸ਼ਨ ਅਤੇ ਟਾਈਮ-ਅਵੇਅਰ ਸਕੋਰਿੰਗ ਸ਼ਾਮਲ ਹੈ ਜੋ ਟੈਂਪੋਰਲ ਆਰਡਰਿੰਗ ਨੂੰ ਇਹਿਜ਼ਤ ਦਿੰਦੀ ਹੈ ਅਤੇ ਬਿਜ਼ਨਸ-ਕ੍ਰਿਟੀਕਲ ਹੋਰਾਈਜ਼ਨਾਂ ਤੇ ਧਿਆਨ ਕੇਂਦ੍ਰਿਤ ਕਰਦੀ ਹੈ।
Defining search spaces and priorsGrid and random search trade-offsBayesian optimization workflowsTime-aware validation and scoringEarly stopping and resource limitsسبق 7ਮਾਡਲ ਐਂਸੈਂਬਲਿੰਗ ਅਤੇ ਰਿਕੰਸੀਲੀਏਸ਼ਨ: ਸਾਧਾਰਨ ਮਾਡਲ ਔਸਤ, ਵਜ਼ਨ ਵਾਲੇ ਐਂਸੈਂਬਲ, ਟਾਈਮ ਸੀਰੀਜ਼ ਲਈ ਸਟੈਕਿੰਗਬੈਂਕ ਆਮਦਨ ਲਈ ਕਈ ਅਨੁਮਾਨ ਮਾਡਲਾਂ ਨੂੰ ਸਾਧਾਰਨ ਔਸਤਾਂ, ਵਜ਼ਨ ਵਾਲੇ ਐਂਸੈਂਬਲਾਂ ਅਤੇ ਸਟੈਕਿੰਗ ਨਾਲ ਜੋੜੋ, ਅਤੇ ਉਤਪਾਦਾਂ, ਸ਼ਾਖਾਵਾਂ ਅਤੇ ਸੰਗਠਨਾਤਮਕ ਪੱਧਰਾਂ ਅਕਾਰੋਂ ਸਹੀ ਅਨੁਮਾਨਾਂ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਹਾਈਰਾਰਕੀਕਲ ਰਿਕੰਸੀਲੀਏਸ਼ਨ ਲਾਗੂ ਕਰੋ।
Simple and weighted model averagingStacking and meta-learners for seriesDiversity and correlation among modelsHierarchical and grouped reconciliationEvaluating ensemble stability over timeسبق 8ਬੇਸਲਾਈਨ ਟਾਈਮ ਸੀਰੀਜ਼ ਵਿਧੀਆਂ: ARIMA, ETS, ਨੌਇਵ ਅਤੇ ਸੀਜ਼ਨਲ ਨੌਇਵ ਮਾਡਲ, ਡੀਕੰਪੋਜ਼ੀਸ਼ਨ (ਟ੍ਰੈਂਡ/ਸੀਜ਼ਨੈਲਟੀ)ਬੈਂਕ ਆਮਦਨ ਲਈ ਬੇਸਲਾਈਨ ਟਾਈਮ ਸੀਰੀਜ਼ ਮਾਡਲਾਂ ਨੂੰ ਖੋਜੋ, ਜਿਸ ਵਿੱਚ ਨੌਇਵ, ਸੀਜ਼ਨਲ ਨੌਇਵ, ARIMA, ETS ਅਤੇ ਡੀਕੰਪੋਜ਼ੀਸ਼ਨ ਸ਼ਾਮਲ ਹੈ, ਰੈਫਰੈਂਸ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਸਥਾਪਤ ਕਰਨ ਅਤੇ ਟ੍ਰੈਂਡ ਅਤੇ ਸੀਜ਼ਨੈਲਟੀ ਨੂੰ ਵਿਆਖਿਆ ਕਰਨ ਲਈ ਗੁੰਝਲਧਾਰੀ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਮਾਡਲਾਂ ਵਰਤਣ ਤੋਂ ਪਹਿਲਾਂ।
Naive and seasonal naive benchmarksClassical decomposition of trend and seasonalityARIMA modeling for bank revenue seriesExponential smoothing and ETS variantsComparing baselines across productsسبق 9ਆਮਦਨ ਲਈ ਵਿਸ਼ੇਸ਼ਤਾ ਇੰਜੀਨੀਅਰਿੰਗ: ਲੈਗਸ, ਰੋਲਿੰਗ ਮੀਨ/ਸਟੈਂਡਰਡ, ਡਿਫਰੈਂਸਿੰਗ, ਕੈਲੰਡਰ ਪ੍ਰਭਾਵ, ਛੁੱਟੀਆਂ ਦੇ ਸੰਕੇਤਕਾਰ, ਕੋਹੌਰਟ ਪ੍ਰਭਾਵ, ਮਾਰਕੀਟਿੰਗ/ਕੈਂਪੇਨ ਝੰਡੇਬੈਂਕ ਆਮਦਨ ਲਈ ਪੂਰਵਾਨੁਮਾਨਕ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਇੰਜੀਨੀਅਰ ਕਰੋ, ਜਿਸ ਵਿੱਚ ਲੈਗਸ, ਰੋਲਿੰਗ ਸਤਿਕਾਰਕ/ਸਟੈਂਡਰਡ ਡਿਵੀਏਸ਼ਨ, ਡਿਫਰੈਂਸਿੰਗ, ਕੈਲੰਡਰ ਪ੍ਰਭਾਵ, ਛੁੱਟੀਆਂ ਦੇ ਸੰਕੇਤਕਾਰ, ਕੋਹੌਰਟ ਪ੍ਰਭਾਵ, ਮਾਰਕੀਟਿੰਗ/ਕੈਂਪੇਨ ਝੰਡੇ ਸ਼ਾਮਲ ਹਨ ਜੋ ਮੰਗ ਵਿੱਚ ਬਦਲਾਅ ਅਤੇ ਬੁਨਿਆਦੀ ਟੁੱਟਣ ਨੂੰ ਫੜਦੇ ਹਨ।
Lag and lead features for revenueRolling means, volatility, and ratiosCalendar, holiday, and payday effectsCohort and lifecycle based featuresMarketing and campaign impact flagsسبق 10ਟਾਈਮ ਸੀਰੀਜ਼ ਲਈ ਡੇਟਾ ਸਪਲਿੱਟਿੰਗ ਅਤੇ ਕਰਾਸ-ਵੈਲੀਡੇਸ਼ਨ: ਟ੍ਰੇਨ/ਵੈਲੀਡੇਸ਼ਨ/ਟੈਸਟ ਸਪਲਿੱਟਸ, ਐਕਸਪੈਂਡਿੰਗ ਵਿੰਡੋ CV, ਬਲਾਕਡ CVਆਮਦਨ ਅਨੁਮਾਨ ਲਈ ਟਾਈਮ-ਅਵੇਅਰ ਡੇਟਾ ਸਪਲਿੱਟਸ ਅਤੇ ਕਰਾਸ-ਵੈਲੀਡੇਸ਼ਨ ਸਕੀਮਾਂ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰੋ, ਜਿਸ ਵਿੱਚ ਰੋਲਿੰਗ ਅਤੇ ਬਲਾਕਡ ਢੰਗ ਸ਼ਾਮਲ ਹਨ, ਲੀਕੇਜ ਤੋਂ ਬਚਣ, ਪ੍ਰੋਡਕਸ਼ਨ ਵਰਤੋਂ ਨੂੰ ਨਕਲ ਕਰਨ ਅਤੇ ਸਮੇਂ ਨਾਲ ਮਾਡਲ ਪ੍ਰਦਰਸ਼ਨ ਦੇ ਭਰੋਸੇਯੋਗ ਅਨੁਮਾਨ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ।
Holdout train, validation, and test splitsRolling and expanding window validationBlocked cross-validation for seasonalityPreventing temporal leakage in featuresBacktesting over multiple forecast originsسبق 11ਮੁਲਾਂਕਣ ਮੈਟ੍ਰਿਕਸ ਅਤੇ ਗਲਤੀ ਵਿਸ਼ਲੇਸ਼ਣ: MAE, RMSE, MAPE, ਸਿਮੈਟ੍ਰਿਕ MAPE, ਪੂਰਵਾਨੁਮਾਨ ਇੰਟਰਵਲ ਅਤੇ ਕਵਰੇਜMAE, RMSE, MAPE, ਸਿਮੈਟ੍ਰਿਕ MAPE ਅਤੇ ਇੰਟਰਵਲ ਕਵਰੇਜ ਵਰਗੇ ਮੈਟ੍ਰਿਕਸ ਨਾਲ ਆਮਦਨ ਅਨੁਮਾਨਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰੋ, ਅਤੇ ਸੈਗਮੈਂਟ, ਹੋਰਾਈਜ਼ਨ ਅਤੇ ਰੀਜੀਮ ਅਨੁਸਾਰ ਵਿਸਤ੍ਰਿਤ ਗਲਤੀ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਕੇ ਪੱਖਪਾਤ ਅਤੇ ਮਾਡਲ ਕਮਜ਼ੋਰੀਆਂ ਨੂੰ ਉਜਾਗਰ ਕਰੋ।
Scale-dependent error metricsPercentage and relative error metricsPrediction intervals and coverageHorizon and segment level diagnosticsRegime and event-driven error analysisسبق 12ਮੈਕ੍ਰੋ ਅਤੇ ਬਾਹਰੀ ਰੀਗ੍ਰੈਸਰ: CPI, ਬੇਰੁਜ਼ਗਾਰੀ, ਵਿਆਜ ਦਰਾਂ, ਮੋਬਿਲਟੀ, ਗੂਗਲ ਟ੍ਰੈਂਡਜ਼ ਵਰਤੋਂ; ਵਿਸ਼ੇਸ਼ਤਾ ਚੋਣ ਅਤੇ ਲੈਗ ਐਲਾਈਨਮੈਂਟਆਮਦਨ ਮਾਡਲਾਂ ਵਿੱਚ ਮੈਕ੍ਰੋਇਕਨਾਮਿਕ ਅਤੇ ਬਾਹਰੀ ਰੀਗ੍ਰੈਸਰਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰੋ, ਜਿਵੇਂ CPI, ਬੇਰੁਜ਼ਗਾਰੀ, ਵਿਆਜ ਦਰਾਂ, ਮੋਬਿਲਟੀ, ਗੂਗਲ ਟ੍ਰੈਂਡਜ਼; ਅਤੇ ਓਵਰਫਿਟਿੰਗ ਤੋਂ ਬਚਣ ਲਈ ਲੈਗ ਐਲਾਈਨਮੈਂਟ, ਸਕੇਲਿੰਗ ਅਤੇ ਵਿਸ਼ੇਸ਼ਤਾ ਚੋਣ ਤਕਨੀਕਾਂ ਸਿੱਖੋ।
Selecting relevant macro indicatorsAligning lags between macro and revenueTransforming and scaling external dataFeature selection and regularizationStress and scenario overlays with macros