I'm thrilled to announce the latest release of MetaTS, a #Python package that simplifies and accelerates global #timeseries #forecasting using #meta-learning.

You can find MetaTS on GitHub here: https://github.com/DrSasanBarak/metats

Meta-learning has emerged as a winning solution for recent time series #forecasting competitions, and MetaTS is designed to make #meta-learning more accessible to researchers and data scientists. With MetaTS, you can easily generate meta-features using automated feature extraction and deep unsupervised learning, implement base-forecaster models, and optimize meta-parameters using a flexible and customizable pipeline.

In addition to providing a user-friendly toolkit for meta-learning, MetaTS also unifies the available Python libraries that can be useful for time series forecasting. You can leverage the power of #Sktime, #Nixtla, #Darts, and other libraries to create base forecasters and explore different meta-model architectures, including #stacking and #ensembling.

I'm proud of what we've achieved with MetaTS, and I believe it can be a valuable resource for anyone looking to improve their time series forecasting #performance. The latest version of the package is available on GitHub, and we welcome any feedback or contributions to help make MetaTS even better.

This can not be done without a great dedication and contribution of my colleague @AmirabbasAsadi .

Be tuned about this project on my LinkedIn

Thank you for your support!

دوستانی که علاقمند به فهم بیسیک مدلهای متالرنینگ هستن، اینجا یه پرزنتی کلی از این اپروچ انجام شده.

همون طور که دیروز در گروه بحث شد، یکی از کاربردهای deep unsupervised learning در زمینه feature extraction در فاینانس هم در این پکیج کاور شده.

برای اطلاعات بیشتر در این حوزه، لینکدین من و امیر عباس رو فالو کنید

🎥 ویدئوی قسمت دوم از فصل دوم وبینار سیگموئید با حضور دکتر ساسان براک و مهندس امیر عباس اسدی در آپارات آپلود شد!

🔸 در این قسمت به بررسی مبحث متالرنینگ در پیش بیتی سری‌های زمانی پرداختیم

🔴 برای مشاهده ویدئوی کامل این وبینار به لینک زیر مراجعه کنید:
📎 https://aparat.com/v/bvTJm

Top 10 Hedge Fund Managers by Earning 😉😊


@machinelearningnet2

لیست دوره های ml و AI در یوتیوب ، که بصورت مجانی تقریبا کل مباحث این حوزه رو کاور میکنه 👌

🤖
❤️Introduction to Machine Learning
https://lnkd.in/ecqatZBA
✅Stanford: Machine Learning
https://lnkd.in/exNpHVgK
❤️Making Friends with Machine Learning
https://lnkd.in/ejM83n2B
✅Applied Machine Learning
https://lnkd.in/eBPxJriR
✅Statistical Machine Learning
https://lnkd.in/eszaHhnn
✅Neural Networks: Zero to Hero
https://lnkd.in/eHyXfdMY

🧠
❤️Introduction to Deep Learning (MIT)
https://lnkd.in/eh7wTzbq
✅CMU Introduction to Deep Learning
https://lnkd.in/eCF92CDW
🔥MIT: Deep Learning for Art, Aesthetics, and Creativity
https://lnkd.in/eURJKHUS
✅Stanford Deep Learning
https://lnkd.in/e6fWv3R8
❤️Introduction to Deep Learning (MIT)
https://lnkd.in/eh7wTzbq
✅CMU Introduction to Deep Learning
https://lnkd.in/eCF92CDW
🔥Deep Unsupervised Learning
https://lnkd.in/eB2sacxY
✅NYU Deep Learning SP21
https://lnkd.in/eMNsFmBe
🔥Foundation Models
https://lnkd.in/emPfE-MS
✅Full Stack Deep Learning
https://lnkd.in/edbFQZBX
✅Practical Deep Learning for Coders
https://lnkd.in/eMjrFESY
🔥Machine Learning Engineering for Production (MLOps)
https://lnkd.in/enmaT8Yy

👅
🔥Stanford - Transformers
https://lnkd.in/eMHXPehx
✅NLP Course (Hugging Face)
https://lnkd.in/ehhG4S_2
✅Natural Language Understanding
https://lnkd.in/emVV8CfA
✅CMU Advanced NLP 2022
https://lnkd.in/eXenh9pm
✅Multilingual NLP
https://lnkd.in/eu46qy8V
✅Advanced NLP
https://lnkd.in/ggpQAD6

👀
✅Deep Learning for Computer Vision
https://lnkd.in/eMk3kWSz

♻️
❤️Foundations of Deep RL
https://lnkd.in/eAhySKAS
✅Deep Reinforcement Learning
https://lnkd.in/e6gyvp4s
✅Stanford: Reinforcement Learning
https://lnkd.in/eGR-5THW]

یکی از اولین خروجی های پکیج MetaTs ، مقاله زیر هست که برای حوزه retail forecasting با متالرنینگ کار کردیم،

این مقاله ترکیبی از استخراج فیچر اتوماتیک با مدلهای deep unsupervised learning هست که برای مدل سلکشن در فورکاستینگ استفاده میشن،

اطلاعات بیشتری از مقاله و پکیج رو در پست زیر میتونید مشاهده کنید،

LinkedIn post


متالرنیگ اصولا یکی از بهترین مدلهای پیشبینی هست که در اکثر مسابقات پیشبینی تایم سری های بیزینس ، جزو چند رنک اول بوده، برای استفاده از مدلهای متالرنینگ، از پکیج MetaTs میتونید استفاده کنید،

لینک پکیج
@machinelearningnet