Во овој дел ќе се работи на одлучување кои колони од превземените табели се потребни, кои не, и кои имаат значење доколку се комбинираат со некоја друга колона. Воедно ќе работиме на припремање на податоците во формат кој ќе е пригоден за користење во низата методи потребни за комплетирање на еден процес на предвидување на вредности. Дополнително, во оваа недела ќе се запознаете со некои поедноставни видови на методи за предвидување.

Природен чекор понатаму за предвидување на time series се невронските мрежи, кои доколку се поставени и креирани правилно ќе овозможат еден навистина стабилен пристап кон прецизна анализа. Оваа недела ќе биде посветена на тоа како да се изгради невронска мрежа од почеток. Дополнително, ќе се креира и невронска мрежа од тип RNN (Recurrent Neural Network) која има намена да анализира и предвидува податоци во кои моменталната вредност зависи од изминатите. За да се најде најдобрата мрежа, ќе бидете запознаени и со автоматизиран метод за оптимизација кој ќе се погрижи мрежата да биде во својата најдобра форма. По завршувањето на овие задачи, ќе бидете и обучени како да ги претставите визуелно овие информации заедно со интервали на доверба кои се корисни за презентации, состаноци и интуитивно разбирање на динамиката на акцијата.

Во последната недела ќе се користат веќе готови Python пакети кои имаат слична функција на она што е направено во претходните недели. Ќе се направи заедничка споредба и анализа на добиените резултати преку овие Python пакети со оние добиени од сè што е направено низ оваа обука. По анализа на позитивните и негативните особини на двата пристапи, ќе добиете ново гледиште на што и како може да се промени за да се добијат посакуваните резултати. Дополнително ќе направиме краток осврт и на македонската берза.