Вообще я пока в восторге от видоса) на 10 раз прочитанное тоже самое рассказывает и я вижу, где я пропустила что. Но главное, чтобы проблему мне это решило. Если нет, то пойду видимо в слак)) но я надеюсь что нет, мне кажется у меня проблема в понимании просто как устроено формирование функций.

Никто в каггл не играет?
Там сейчас соревнование началось, по прогнозу временных рядов.

Лик уже нашли?

А о каком именно конкурсе речь и чем в нем может помочь Джулия?

Думаю, речь идёт о M5. Собираюсь поучаствовать по мере появления свободного времени

Ха :-) насчёт лика не знаю :-)
Да, речь идёт об этом соревновании https://www.kaggle.com/c/m5-forecasting-accuracy

С точки зрения использования джулии интересно как раз посмотреть, как она и ее экосистема подходит под задачи такого рода, чего хватает и чего нет.

Например, мне очень понравилось, что временной ряд можно оформить в виде отдельного объекта и запихнуть его в отдельную колонку в датафрейме. Получилась очень удобная структура, с низким потреблением памяти, удобным оперированием и огромной скоростью по обработке.

Условно эта структура эквивалентна таблица с 60 миллионами строк, но group by в ней занимает миллисекунды.

Я думаю, что фича инжиниринг должен быть очень удобным.

Но честно, я никогда особо в каггле не участвовал, не знаю какие проблемы там могут возникнуть.

Это скорее из разряда «если в руках молоток, то все вокруг кажется гвоздями» :-)

Конкурс проводят очень авторитетные дядьки, ликов по идее не должно быть)

Самое важное -- это удобная реализация ts-объекта. В питоне достаточно давно есть хорошая реализация на pandas, в R только относительно недавно появился tsibble. С Julia пока до конца не разобрался

А что именно нужно от ts объекта?
Я просто мало про это знаю, поэтому и интересуюсь.

https://r-analytics.blogspot.com/2019/12/tsibble.html?m=1 вот здесь небольшое описание tsibble и его основных возможностей. Вот что-то такое и хотелось бы видеть в Julia. Надо поближе познакомиться с TimeSeries.jl, возможно, там уже всё неплохо)

Спасибо, поизучаю.

интересно, а как в мейнстриме принято решать проблемы синхронного анализа для одновременных рядов с разными частотами дискретизации и  неравномерными временными событиями?

Я вам не скажу за настоящий мейнстрим, но я частоты дискретизации выравнива с помощью resample, а периодические события по спектрам хорошо видны. DSP, короче :)

Зато (это уже на своём очень маленьком опыте в этом соревновании) есть удобная штука, которой нет в R (ну, по крайней мере на первый взгляд). Если все временные ряды приведены к общему знаменателю, то бишь даты у всех проставлены правильно и все даты одинаковые, то можно очень здорово сэкономить, сделав структуру в которой есть только один набор временных индексов на все ряды сразу. Что-то типа такого (на самом деле можно лучше)

struct MultiTS{T <: Real}
    timestamps:: Date
    values::Vector{Vector{T}}
end

Во-первых, здорово место экономится (практически в два раза) + очень ускоряются всякие фильтрации и группировки, так как можно только один раз вычислять нужные индексы, а потом применять их ко всем рядам сразу.

Please I need how to use cplex whith Julia