Offered By: IBM
Прогнозування з використанням нейронних мереж
Лабораторна робота присвячена прогнозуванню динаміки поширення COVID-19 у світі за допомогою нейронних мереж різних структур. Мета роботи - навчитися робити прогнози на основі лінійної регресії, нейронних мереж зворотного поширення помилки та довгої короткострокової пам’яті (long short-term memory - LSTM)
Continue reading Premium
Guided Project
Artificial Intelligence
5.0
At a Glance
Лабораторна робота присвячена прогнозуванню динаміки поширення COVID-19 у світі за допомогою нейронних мереж різних структур. Мета роботи - навчитися робити прогнози на основі лінійної регресії, нейронних мереж зворотного поширення помилки та довгої короткострокової пам’яті (long short-term memory - LSTM)
Сьогодні існує чимало відкритих джерел даних про поширення COVID-19 у світі. Проте, інструментів для прогнозування цих процесів представлено небагато. У лабораторній роботі буде продемонстровано, як можна завантажувати дані з відкритих джерел, виконувати попередній аналіз даних, перетворювати та очищати дані, виконувати кореляційний та лаговий аналіз.
Також будуть розглянуті три різні математичні моделі для побудови прогнозу: лінійна регресія, нейронні мережі зворотного поширення помилки та довга короткострокова пам’ять (long short-term memory - LSTM).
Для цього буде здійснено поділ набору даних на навчальні та тестові вибірки. Буде показано як нормувати дані та проводити попередній аналіз і продемонстровано, як будувати моделі та набори даних для використання двох різних нейронних мереж. Наступним кроком буде побудова прогнозу та порівняння точності та адекватності отриманих моделей.