Прогнозирование временных рядов с помощью нейросетей

Построение и настройка нейросетевых моделей - прогнозируемый временной ряд "Цена" из файла. 1. Необходимо с помощью библиотек на Python реализовать прогнозирование временных рядов цен акций "Яндекса" с применением моделей RNN, LSTM, CNN. 2. В реализованном прогнозировании должны оптимизироваться гиперпараметры моделей для получения наилучшего результата прогнозирования. Должны фиксировать результаты - до/после оптимизации с графиками прогноза и расчетом метрик (оценка моделей должна производиться по параметрам (R^2, MAE, RMSE, и др.), должно быть доказано, что у модели отсутствует переобучение, в работе должна присутствовать кросс-валидация. 3. Построение гибридной нейронной (RNN+LSTM, CNN+LSTM). Необходимо провести анализ, исследование построения гибридных нейросетевых моделей. Цель: провести анализ/исследование, что лучше ансамбль моделей или суперпозиция моделей? Должны фиксироваться результаты - до/после с графиками прогноза и расчетом метрик (R^2, MAE, RMSE, и др.), должно быть доказано, что у модели отсутствует переобучение, в работе должна присутствовать кросс-валидация. 4. У лучшей нейросетевой модели (из п.3) описать архитектуру - на 2 стр. (+ рисунок ее архитектуры). 5. Для лучшей модели должна быть реализована возможность подавать на вход дату и прогнозировать на эту дату временной ряд. Общие требования: 1) Разработку вести в файле с расширением ipynb - как итог, рабочий код. 2) Комментировать код при написании.