Practical Time Series Analysis: Predicție cu ajutorul statisticii și al învățării automate

Recenzii ale cititorilor

Cartea oferă o introducere cuprinzătoare și practică în analiza seriilor de timp, dar suferă de probleme de organizare și de o lipsă de exemple coerente în diferite limbaje de programare.

Stilul de scriere bine organizat și accesibil, aplicarea practică a conceptelor, acoperă o gamă largă de subiecte, bun pentru cei cu unele cunoștințe de programare și relevanță puternică în lumea reală.

Utilizarea atât a R, cât și a Python poate deruta cititorii care sunt familiarizați doar cu un singur limbaj, organizarea conținutului este inconsecventă, unele exemple de cod sunt scrise prost sau nu sunt executabile și există afirmații de verbozitate și lipsă de profunzime în anumite subiecte.

(pe baza a 25 recenzii ale cititorilor)

Titlul original:

Practical Time Series Analysis: Prediction with Statistics and Machine Learning

Conținutul cărții:

Analiza datelor din seriile temporale este din ce în ce mai importantă datorită producției masive de astfel de date prin intermediul internetului obiectelor, digitalizării asistenței medicale și creșterii numărului de orașe inteligente. Pe măsură ce monitorizarea continuă și colectarea de date devin mai frecvente, va crește nevoia de analiză competentă a seriilor de timp cu tehnici statistice și de învățare automată.

Acoperind inovațiile în analiza datelor din seriile de timp și cazurile de utilizare din lumea reală, acest ghid practic vă va ajuta să rezolvați cele mai comune provocări de inginerie și analiză a datelordin seriile de timp, utilizând atât tehnici statistice tradiționale, cât și tehnici moderne de învățare automată. Autoarea Aileen Nielsen oferă o introducere accesibilă și bine închegată în seriile de timp atât în R, cât și în Python, care va face ca oamenii de știință de date, inginerii de software și cercetătorii să fie rapid operaționali.

Veți primi îndrumarea de care aveți nevoie pentru a realiza cu încredere:

⬤  Găsiți și prelucrați datele seriilor de timp.

⬤ Efectuați analize exploratorii ale datelor din seriile temporale.

⬤ Stocarea datelor temporale.

⬤ Simularea datelor din seriile temporale.

⬤ Generarea și selectarea caracteristicilor pentru o serie cronologică.

⬤ Măsurarea erorii.

⬤ Prevederea și clasificarea seriilor de timp cu ajutorul învățării automate sau profunde.

⬤ Evaluați precizia și performanța.