Machine Learning for Time-Series cu Python: Previzionați, preziceți și detectați anomalii cu metode de învățare automată de ultimă generație

Recenzii ale cititorilor

Cartea „Machine Learning for Time-Series with Python” este apreciată pentru introducerea sa cuprinzătoare în seriile de timp și metodologiile de învățare automată, în special pentru începători. Ea include exemple practice de codare și acoperă atât tehnici clasice, cât și moderne, dar a fost criticată pentru numeroase erori și inconsecvențe.

Excelent manual de referință care acoperă modele clasice și moderne de serii temporale, cu o perspectivă nouă asupra combinării acestora cu învățarea automată.

Scriere clară și fluidă, cu context istoric și referințe academice care ajută la înțelegere.

(pe baza a 10 recenzii ale cititorilor)

Titlul original:

Machine Learning for Time-Series with Python: Forecast, predict, and detect anomalies with state-of-the-art machine learning methods

Conținutul cărții:

Deveniți competenți în obținerea de informații din datele seriilor de timp și analizarea performanței unui model

Caracteristici principale:

⬤ Explorați metodele populare și moderne de învățare automată, inclusiv cei mai noi algoritmi de învățare online și profundă.

⬤ Învățați să creșteți acuratețea predicțiilor dvs. prin potrivirea modelului potrivit cu problema potrivită.

⬤ Master time-series prin studii de caz din lumea reală privind managementul operațiunilor, marketing digital, finanțe și asistență medicală.

Descrierea cărții:

Învățarea automată a apărut ca un instrument puternic pentru a înțelege complexitățile ascunse în seturile de date cu serii cronologice, care trebuie analizate frecvent în domenii la fel de diverse ca sănătatea, economia, marketingul digital și științele sociale. Aceste seturi de date sunt esențiale pentru prognozarea și predicția rezultatelor sau pentru detectarea anomaliilor pentru a sprijini luarea de decizii în cunoștință de cauză.

Această carte acoperă elementele de bază Python pentru seriile temporale și vă dezvoltă înțelegerea modelelor autoregresive tradiționale, precum și a modelelor neparametrice moderne. Veți deveni încrezător în încărcarea seturilor de date de serii cronologice din orice sursă, în modele de învățare profundă, cum ar fi rețelele neuronale recurente și modelele de rețele convoluționale cauzale, precum și în amplificarea gradientului cu ingineria caracteristicilor.

Machine Learning for Time-Series with Python explică teoria din spatele mai multor modele utile și vă ghidează în potrivirea modelului potrivit la problema potrivită. Cartea include, de asemenea, studii de caz din lumea reală care acoperă date despre vreme, trafic, ciclism și piața bursieră.

Până la sfârșitul acestei cărți, veți fi competenți în analizarea eficientă a seturilor de date cu serii cronologice cu ajutorul principiilor învățării automate.

Ce veți învăța:

⬤ Înțelegeți principalele clase de serii temporale și învățați cum să detectați valorile aberante și modelele.

⬤ Să alegeți metoda potrivită pentru a rezolva problemele legate de seriile cronologice.

⬤ Caracterizați modelele sezoniere și de corelație prin autocorelație și tehnici statistice.

⬤ Să se familiarizeze cu vizualizarea datelor din seriile cronologice.

⬤ Înțelegerea modelelor clasice de serii cronologice precum ARMA și ARIMA.

⬤ Implementați modele de învățare profundă precum procesele și transformatoarele Gaussiene și modelele de învățare automată de ultimă generație.

⬤ Să vă familiarizați cu multe biblioteci precum prophet, xgboost și TensorFlow.

Pentru cine este această carte:

Această carte este ideală pentru analiștii de date, cercetătorii de date și dezvoltatorii Python care doresc să efectueze analize ale seriilor de timp pentru a prezice în mod eficient rezultatele. Cunoștințele de bază ale limbajului Python sunt esențiale. Familiarizarea cu statisticile este de dorit.