-------------- OKTATÁS --------------
-------------- Idősorelemző alkalmazásai mesterséges intelligencia segítségével (2024/25) --------------
:::::::::::::::::::1. Bevezetés:::::::::::::::::::
-{PPT}- -{VIDEO}-
:::::::::::::::::::2. Alapfogalmak:::::::::::::::::::
-{Python Intro}- -{PPT}- -{Notebook}-
:::::::::::::::::::3. Teljesítmény transzformációk, Fehér zaj, Random Walk:::::::::::::::::::
-{PPT}- -{Notebook}-
:::::::::::::::::::4. Állandóság az idősoros adatokban, AR, ARIMA :::::::::::::::::::
-{PPT}- -{Notebook}-
:::::::::::::::::::5. Idősoros adatok dekompoziciója és az előrejelző modellek :::::::::::::::::::
-{PPT 1}- -{PPT 2}- -{Notebook 1}- -{Notebook 2}-
:::::::::::::::::::6. Idősor előrejelzés ML modellekkel :::::::::::::::::::
-{PPT}- -{Notebook}-
:::::::::::::::::::7. Kovariánsok És DLL Modelek :::::::::::::::::::
-{PPT}- -{Notebook}-
:::::::::::::::::::8. Idősor Klasszifikáció És Anomália Keresés :::::::::::::::::::
-{PPT}- -{Notebook}-
:::::::::::::::::::9. Anomália Keresés :::::::::::::::::::
-{PPT}- -{Notebook}- -{Notebook feladat}-
:::::::::::::::::::10. Távolság mérése :::::::::::::::::::
-{PPT}- -{Notebook}-
-------------- Ajánlott irodalom/Linkek --------------
Steffen Herbold - Intro to data science
Unit8co - Time Series Made Easy in Python
Jason Brownlee - Introduction to Time Series Forecasting with Python