анализ отказа датчиков

ну и не только датчиков

Это уже ближе к anomaly detection. Не знаю, как там щас sota, но вряд ли аримы всякие помогут

Для предикта отказа нужно выцепить из временного ряда фичи, предсказывающие отказ на каком-то интервале. Сам временной ряд на будущее предиктить не нужно

в любом месте, где есть временной ряд)
в торговле это не только прогноз продаж. чтобы продать товар, его нужно купить разместить на складе, обработать, скомплектовать и отвезти на магазин — в планирвоании объемов всего этого можно столкнуться с временными рядами

https://www.kaggle.com/search?q=time+series+in%3Acompetitions
Можно на Каггле ноутбуки для начала потыкать

Может, тогда и использовать обычную регрессию вместо логистической?

Или взять линк вместо респонса. То есть подогнать логистическая регрессию, но как прогноз брать не сигмоид, а линейную комбинацию

https://naukovedenie.ru/PDF/180EVN214.pdf
4.4. Перевод коэффициентов модели в скоринговую карту

а еще финансисты и продажники любят не только предсказывать будущее временного ряда но и исследуют причинность одного ряда от другого

Да, как в этой статье описано только более подробный пример,

кстати да, используют прогнозирование временных рядов при оценке результатов A/B-тестирования

Продажи комбината допустим пива. Может присутствовать сезонность, цикличность или даже тренд какой нибудь. Продажа билетов на самолёт, летом логично больше, но в какие именно месяца идёт спад и насколько.. Для компании анализ таких данных поможет сформировать грамотную систему скидок, чтобы продажи не просел, как примитивный пример. Зависимость предложения сезонных товаров... В общем много где могут использоваться, то же предложение газа или нефти и тд и тп

Круто, спасибо всем большое.

Добрый день, кто-нибудь имел опыт работы с readr::parse_guess?  То ли я что-то делаю не так, то ли задумка такая, но я наивно предполагаю, что если этой функции скормить строки с интами и пробелами до/после (вида " 1", "2  "), то с включенной опцией trim_ws все должно корректно парситься в инты/даблы. На деле же, если пробелы заранее не почистить, все парсится в строки с обрезанными пробелами. Т.е. "1" -> 1L, но "  1" -> "1". Кто-то сталкивался может?

Ну не знаю, я в своё время все сериалы смотрел на английском. И TED выпуски смотрю на английском, поэтому для меня это не проблема.

Кажется отличное время прикупит акции китайких производителей...

Я и впаврду пока нифига про них не знаю

2 временных ряда коррелируют, как узнать какой из них является причиной и является ли вообще

https://en.wikipedia.org/wiki/Granger_causality
такое есть, например