Abstract
У тезах подано практичну методологію препроцесингу та формування ознакового простору для прогнозування часових рядів моделями LSTM (Long Short-Term Memory). Навчальні набори формуються у вигляді матриці , де L — довжина вікна, d — кількість ознак; усі перетворення виконуються причинно-коректно, без витоку інформації (data leakage) під час масштабування та відбору ознак.