ETNA 2.0: будущее вокруг работы с временными рядами
Тезисы
Работа с временными рядами имеет ряд особенностей в сравнении со стандартными табличными данными и, как правило, нужно писать много бойлерплейта и адаптеров к моделям, прежде чем приступить к исследованиям или начать использовать модель в бою.

Мы постарались решить основные проблемы в рамках библиотеки ETNA.

О чем будет доклад:
  • Расскажу об основных задачах, которые решает библиотека;
  • Покажу, что мы добавили в библиотеку и как это может помочь в улучшении прогнозов;
  • Обсудим будущее библиотеки и вызовы работы с временными рядами.
На кого рассчитан доклад:
  • ML разработчики и продуктовые аналитики;
  • Разработчики, которые интегрируют ML подходы в prod или настраивают мониторинг метрик сервисов;
  • Product owner'ы, которые создают продукты вокруг логистики и предсказания спроса — все те, кому важно знать будущее.
Слушатели узнают, как работать с временными рядами, сделать свой первый прогноз, итеративно улучшать и использовать в реальных сценариях; какие вызовы есть при работе с временными рядами и возможные направления их решения.
Работа с временными рядами имеет ряд особенностей в сравнении со стандартными табличными данными и, как правило, нужно писать много бойлерплейта и адаптеров к моделям, прежде чем приступить к исследованиям или начать использовать модель в бою.

Мы постарались решить основные проблемы в рамках библиотеки ETNA.

О чем будет доклад:
  • Расскажу об основных задачах, которые решает библиотека;
  • Покажу, что мы добавили в библиотеку и как это может помочь в улучшении прогнозов;
  • Обсудим будущее библиотеки и вызовы работы с временными рядами.
На кого рассчитан доклад:
  • ML разработчики и продуктовые аналитики;
  • Разработчики, которые интегрируют ML подходы в prod или настраивают мониторинг метрик сервисов;
  • Product owner'ы, которые создают продукты вокруг логистики и предсказания спроса — все те, кому важно знать будущее.
Слушатели узнают, как работать с временными рядами, сделать свой первый прогноз, итеративно улучшать и использовать в реальных сценариях; какие вызовы есть при работе с временными рядами и возможные направления их решения.
Видеозапись доклада
Информация о спикере
Мартин Габдушев
Аналитик-разработчик, Тинькофф
Занимаюсь прикладными задачами в машинном обучении: разработчик open-source библиотеки ETNA (GitHub - tinkoff-ai/etna: ETNA – Time-Series Library), до временных рядов занимался алгоритмами агрегации размеченных данных внутри компании, как артефакт — занял пятое место в соревнование от Толоки (VLDB 2021 Challenge)

Github: martins0n - Overview
Мартин Габдушев
Аналитик-разработчик, Тинькофф
Занимаюсь прикладными задачами в машинном обучении: разработчик open-source библиотеки ETNA (GitHub - tinkoff-ai/etna: ETNA – Time-Series Library), до временных рядов занимался алгоритмами агрегации размеченных данных внутри компании, как артефакт — занял пятое место в соревнование от Толоки (VLDB 2021 Challenge)

Github: martins0n - Overview
Все доклады секции