Szeregi czasowe i prognozowanie
Analiza czasowa, stacjonarność, ARIMA, Prophet, seasonal decomposition, metryki prognozowania, backtesting
1Czym jest szereg czasowy?
Czym jest szereg czasowy?
Odpowiedź
Szereg czasowy to sekwencja punktów danych indeksowanych w porządku chronologicznym. Obserwacje są zbierane w regularnych odstępach (godzinowych, dziennych, miesięcznych) i często wykazują zależności czasowe. Klasyczne przykłady to ceny akcji, temperatury i miesięczna sprzedaż.
2Jakie są trzy główne składniki szeregu czasowego w klasycznej dekompozycji?
Jakie są trzy główne składniki szeregu czasowego w klasycznej dekompozycji?
Odpowiedź
Klasyczna dekompozycja szeregu czasowego identyfikuje trzy składniki: trend (długoterminowa ewolucja), sezonowość (powtarzające się wzorce w stałych odstępach) i resztę (niewyjaśniony szum losowy). Ta dekompozycja może być addytywna lub multiplikatywna w zależności od natury danych.
3Czym jest stacjonarność szeregu czasowego?
Czym jest stacjonarność szeregu czasowego?
Odpowiedź
Szereg czasowy jest stacjonarny, gdy jego właściwości statystyczne (średnia, wariancja, autokorelacja) pozostają stałe w czasie. Stacjonarność jest fundamentalnym założeniem dla wielu modeli prognozowania, takich jak ARIMA. Niestacjonarny szereg często musi być przekształcony (różnicowanie) przed modelowaniem.
Jakie testy statystyczne są powszechnie używane do sprawdzania stacjonarności szeregu czasowego?
Jak uczynić niestacjonarny szereg czasowy stacjonarnym?
+19 pytań z rozmów
Inne tematy rekrutacyjne Data Science & ML
Podstawy Pythona
Programowanie Obiektowe w Pythonie
Struktury danych Python
Podstawy Git
Podstawy SQL
Podstawy NumPy
Podstawy Pandas
Jupyter & Google Colab
SQL Joins i zaawansowane zapytania
Zaawansowany Pandas
Wizualizacja z Matplotlib & Seaborn
Interaktywne wizualizacje z Plotly
Statystyka opisowa
Statystyka inferencyjna
Web Scraping
BigQuery & Cloud Data
Feature Engineering
Uczenie nadzorowane: Regresja
Uczenie nadzorowane: Klasyfikacja
Drzewa Decyzyjne i Ensembles
ML Nienadzorowane
Pipeline'y ML i walidacja
Podstawy Deep Learning
TensorFlow & Keras
CNN i klasyfikacja obrazów
RNN i Sekwencje
Transformers i Attention
NLP i Hugging Face
GenAI i LangChain
MLOps i Wdrożenie
Opanuj Data Science & ML na następną rozmowę
Uzyskaj dostęp do wszystkich pytań, flashcards, testów technicznych, ćwiczeń code review i symulatorów rozmów.
Zacznij za darmo