Временные рядыТема 4. Продвинутые модели прогнозирования: ML и DL
ETNA: воспроизводимый пайплайн для множества рядов ETNA удобна, когда важны единые трансформации, backtesting и стабильный production процесс. Что обычно делаем в ETNA собираем TSD
О разделе «Тема 4. Продвинутые модели прогнозирования: ML и DL»
ML-фреймворки, foundation-модели, нейросети и трансформеры.
Ключевые темы: ml, dl, prophet, timegpt/timesfm.
Все темы в разделе «Тема 4. Продвинутые модели прогнозирования: ML и DL»