1-darsJoylashtirish masalalari: qayta o'qitish sikli, ma'lumotlar quvurlari, driftni kuzatish va prognozlarning orqaga sinoviDaromad prognozlash tizimlarini joylashtirishni rejalashtirish, shu jumladan qayta o'qitish sikli, avtomatlashtirilgan ma'lumotlar quvurlari, ma'lumot va kontseptsiya driftini kuzatish hamda o'zgaruvchan bozor sharoitlarida barqaror ishlashni ta'minlash uchun doimiy orqaga sinovlarni o'z ichiga oladi.
Mustahkam ma'lumotlar quvurlarini loyihalashQayta o'qitish va yangilanishlarni rejalashtirishMa'lumot va kontseptsiya driftini kuzatishDoimiy orqaga sinov va benchmarklashOgohlantirish va qaytarish strategiyalari2-darsPrognozlarni manfaatdor tomonlarga yetkazish: nuqta prognozlari va interval vizualizatsiyasi, stsenariy tahlili, taxminlar shaffofligiDaromad prognozlarini manfaatdor tomonlarga aniq vizualizatsiyalar, nuqta va interval bashoratlar, stsenariy tahlili va taxminlar, cheklovlar hamda model xavfi masalalarining shaffof hujjatlashtirish orqali samarali yetkazish.
Nuqta va interval prognozlarni vizualizatsiya qilishStsenariy va 'agar-shunday bo'lsa' tahlilini loyihalashHaydovchilar va asosiy xususiyatlarni tushuntirishTaxminlar va cheklovlarni hujjatlashtirishXabarlarning manfaatdor tomonlarga moslashtirilishi3-darsMashina o'rganishi vaqt seriyalari modellari: kechikkan xususiyatlar bilan random forestlar/gradient boosting, XGBoost/LightGBM va ketma-ketlik modellari (LSTM/GRU)Vaqt seriyalari daromad prognozlash uchun mashina o'rganishi modellarni o'qitish, shu jumladan kechikkan xususiyatlar bilan daraxt ansambllari va LSTM, GRU kabi ketma-ketlik modellari, nostatsionarlilik, mavsumlilik va mahsulot darajasidagi heterogenlikni boshqarish bilan birga.
Kechikgan xususiyatlar bilan random forestlarGradient boosting, XGBoost, LightGBMGlobal va lokal prognozlashtirish modellariLSTM va GRU bilan ketma-ketlik modellariNostatsionarlilik va masshtablashni boshqarish4-darsPrognozlash maqsadlari va baholash ufqlari shakllantirish (masalan, keyingi 3, 6, 12 oy)Asosiy bank mahsulotlari uchun prognozlash maqsadlarini bashorat maqsadlari, ufqlari va granulalikni tanlash orqali belgilash va ularni byudjetlash, narxlash, likvidlikni rejalashtirish va regulyatorlik yoki xavf hisobototi ehtiyojlari kabi biznes qarorlari bilan moslashtirish.
Daromad maqsadlari va birliklarini tanlashPrognoz ufqlari va chastotasini tanlashPrognozlarni biznes qarorlari bilan moslashtirishMahsulot, segment va mintaqa bo'yicha granulalikYangi mahsulotlar va qisqa tarixlarni boshqarish5-darsVaqt seriyalari ma'lumotlarini aniqlash va manbalar (ommaviy moliyaviy seriyalar, to'lov hajmlari, sintetik generatsiya texnikalari)Bank daromadini prognozlashtirish uchun vaqt seriyalari ma'lumotlarini aniqlash, baholash va manbalarini o'rganish, shu jumladan ichki mahsulot metrikalari, ommaviy moliyaviy seriyalar va kam yoki shovqinli tarixiy yozuvlarni xavfsiz ravishda kengaytiruvchi sintetik ma'lumotlar.
Ichki mahsulot daromad seriyalarini kataloglashtirishOmmaviy makro va bozor ma'lumotlar manbalaridan foydalanishTo'lov va tranzaksiya hajmi ma'lumotlarini yig'ishMa'lumot sifati, bo'shliqlar va qayta ishlanishini baholashStress stsenariylari uchun sintetik ma'lumot generatsiyasi6-darsO'qitish va giperparametr sozlash: grid/random qidiruv, Bayesian optimizatsiya, vaqtga mos baholashModel ishlashini strukturalashtirilgan giperparametr sozlash strategiyalari yordamida optimallashtirish, shu jumladan grid va random qidiruv, Bayesian optimizatsiya va vaqt tartibini hurmat qiluvchi, biznes uchun muhim ufqlarga e'tibor qaratuvchi vaqtga mos baholash.
Qidiruv fazolarini va prioryetlarni belgilashGrid va random qidiruv savdo-offsBayesian optimizatsiya ish oqimlariVaqtga mos validatsiya va baholashErta to'xtatish va resurs cheklovlari7-darsModel ansambllash va muvofiqlashtirish: oddiy model o'rtacha, vaznli ansambllar, vaqt seriyalari uchun stackingBank daromadi uchun bir nechta prognozlash modellarni oddiy o'rtacha, vaznli ansambllar va stacking yordamida birlashtirish va mahsulotlar, filiallar va tashkiliy darajalar bo'ylab izchil prognozlarni ta'minlash uchun ierarxik muvofiqlashtirishni qo'llash.
Oddiy va vaznli model o'rtachaSeriyalar uchun stacking va meta-o'rganuvchilarModellar orasidagi xilma-xillik va korrelyatsiyaIerarxik va guruhlangan muvofiqlashtirishVaqt ichida ansambl barqarorligini baholash8-darsBazaviy vaqt seriyalari usullari: ARIMA, ETS, sodda va mavsumiy sodda modellar, parchalash (trend/mavsumlilik)Bank daromadi uchun bazaviy vaqt seriyalari modellarni o'rganish, shu jumladan sodda, mavsumiy sodda, ARIMA, ETS va parchalashni murakkab mashina o'rganishi modellardan oldin trend va mavsumlilikni talqin qilish va ma'lum darajani belgilash uchun.
Sodda va mavsumiy sodda benchmarklarTrend va mavsumlilikning klassik parchalanishiBank daromad seriyalari uchun ARIMA modellashtirishEksponensial silliqlash va ETS variantlariMahsulotlar bo'ylab bazalarni solishtirish9-darsDaromad uchun xususiyatlarni muhandislik qilish: kechikishlar, dumaloq o'rtacha/std, differencing, taqvim effektlari, bayram indikatorlari, kohort effektlari, marketing/kampaniya belgilariBank daromadi uchun bashorat xususiyatlarini muhandislik qilish, shu jumladan kechikishlar, dumaloq statistikalar, differencing, taqvim va bayram effektlari, kohort va hayot sikli indikatorlari hamda talab o'zgarishlari va strukturaviy uzilishlarni qamrab oluvchi marketing yoki kampaniya belgilari.
Daromad uchun kechikish va oldinga xususiyatlarDumaloq o'rtacha, volatillik va nisbatsTaqvim, bayram va maosh kuni effektlariKohort va hayot sikliga asoslangan xususiyatlarMarketing va kampaniya ta'sir belgilari10-darsVaqt seriyalari uchun ma'lumotlarni bo'lish va o'zaro validatsiya: train/validation/test bo'linishlari, kengayuvchi oyna CV, bloklangan CVDaromad prognozlash uchun vaqtga mos ma'lumotlarni bo'lish va o'zaro validatsiya sxemalarini loyihalash, shu jumladan dumaloq va bloklangan yondashuvlar, ma'lumot oqishi oldini olish, ishlab chiqarish ishlatishini taqlid qilish va vaqt ichida model ishlashining ishonchli baholarini olish uchun.
Holdout train, validatsiya va test bo'linishlariDumaloq va kengayuvchi oyna validatsiyasiMavsumlilik uchun bloklangan o'zaro validatsiyaXususiyatlarda vaqt oqishini oldini olishBir nechta prognoz manbalarida orqaga sinov11-darsBaholash metrikalari va xato tahlili: MAE, RMSE, MAPE, simmetrik MAPE, prognoz intervali va qamrovDaromad prognozlarni MAE, RMSE, MAPE, simmetrik MAPE va interval qamrovi kabi metrikalar yordamida baholash va segment, ufq va rejim bo'yicha batafsil xato tahlilini o'tkazish orqali noto'g'ri bashoratlar va model zaifliklarini aniqlash.
Masshtabga bog'liq xato metrikalariFoiz va nisbiy xato metrikalariPrognoz intervali va qamrovUfqlik va segment darajasidagi diagnostikaRejim va hodisa asosidagi xato tahlili12-darsMakro va tashqi regressorlar: CPI, ishsizlik, foiz stavkalari, harakatchanlik, Google Trends dan foydalanish; xususiyat tanlash va kechikish moslashuviDaromad modellarga makro iqtisodiy va tashqi regressorlarni kiritish, masalan CPI, ishsizlik, foiz stavkalari, harakatchanlik va qidiruv trendlari, va overfitting oldini olish uchun kechikish moslashuvi, masshtablash va xususiyat tanlash texnikalarini o'rganish.
Mos makro indikatorlarni tanlashMakro va daromad o'rtasida kechikishlarni moslashtirishTashqi ma'lumotlarni aylantirish va masshtablashXususiyat tanlash va regularizatsiyaMakrolar bilan stress va stsenariy qoplamalari
