у нас)

есть вот такая годнота
https://digital.gazprom-neft.ru/radar#/radar

если что-то умеете из им интересного, можно и письмо написать, давайте типа.

но это неточно что сработает)

да, временные ряды можно бабахать регрессией, sktime'овцы называют это редукцией, как работает, можно посмотреть здесь: стр 774 https://drive.google.com/file/d/1zKaNBvVw-FrQwqcVyHpx38nBkmtHrS-H/view?usp=sharing

Кто нибудь встречал термин
математическое машинное обучение ?

То чем я занимаюсь в свободное время
можно интерпретировать как математическое машинное обучение.

То есть есть математическая задача которая может быть по идее решена математически.

Но из за её сложности это очень не просто сделать).
Причём задача обучения с учителем частично превращается в задачу без учителя но требующую больших вычислений.

Думаю подобных математических задач достаточно много )
Вероятно часть задач вычислительной топологи
могут быть сформулированы в подобных терминах.

Плюс таких задач по сравнению с классическими задачами машинного обучения можно генерировать «сколько угодно» примеров.

Поискал в интернете в основном встречается:
Mathematics For Machine Learning)

норм документик. А есть ссылка на все модули?)

SEO: 5 consejos para mejorarlo en cualquier página web
https://www.educaciontrespuntocero.com/tecnologia/consejos-mejorar-seo/

посмотрите gplearn, pysindy

Спасибо
https://ru.wikipedia.org/wiki/Символьная_регрессия
То есть то что пытается приблизить gplearn  
действительно близко к данной области.
pysindy до конца пока не понял что такое.

а про какие математические задачи вы говорите?

Решение дифуров аналитически

и в данном вопросе имеется ввиду вместо аналитического решения, решать численно с использованием методов мл?

Да черт его знает

Может кто подсказать, чем повышать качество прогноза для модели?

сильно абстрактный вопрос. В общем случае очисткой данных, добавлением данных, выбором модели, выбором и конструированием признаков, выбором методов валидации.

К примеру, в линейной регрессии. Rmse вроде низкое, но r2 - 0.61 на тестовых

какое std у таргета и какое у вас rmse

Примерно вся дисциплина про ml и ds про это

Нахождение возможного числа решений систем нелинейных уравнений при заданной структуре и не определенных коэффициентах.
То есть задача обобщения правила знаков Декарта.

Относительно практики например это уравнения химической кинетики.
И задача о возможном числе их стационарных состояний.
Структура в такой случае это  система реакций.
Неопределённые переменные константы скорости каталитических реакций.

А так интерпретации  разные можно придумать
на пример построить общую теорию кривых n порядка или кривых  с данным количеством мономов.
Сейчас это порой называют вещественная алгебраическая геометрия.

вот допустим возьмём первую задачу, как с помощью мл вы предлагаете ее решать и откуда думаете взять бесконечные данные.