расширенный поиск

Книга: Практический анализ временных рядов: прогнозирование со статистикой и машинное обучение

Товар № 12026553
Автор: Нильсен Э.
Издательство: Вильямс
Вес: 0.700 кг.
Год издания: 2021
Формат: 70х100/16
Страниц: 544 Переплет: Мягкий переплёт
Цена: 1 782 руб.
В КОРЗИНУ

"Незаурядное издание! Рано или поздно любому специалисту по анализу данных приходится работать с временными рядами или с подобными им технологическими данными. В этой книге вы найдете детальное описание методологий машинного обучения и обработки временных данных, сопровождаемое великолепными примерами их практической реализации."
Андреас В. Кемпа-Лир, старший преподаватель, факультет инженерных наук, Оклендский университет


Анализ временных рядов становится все более и более актуальным разделом науки о данных в связи с широким распространением Интернета вещей, переходом здравоохранения на исключительно цифровой учет данных и ростом умных городов. Непрерывный мониторинг и сбор самых разных данных становятся повседневной действительностью и предопределяют постоянно растущую потребность в эффективных инструментах анализа временных рядов, основанных как на статистических методах, так и на методах машинного обучения.


В этом практическом руководстве описаны современные технологии анализа данных временных рядов и приведены примеры их практического использования в самых разных предметных областях. Оно призвано помочь в решении наиболее распространенных задач исследования и обработки временных рядов с помощью традиционных статистических методов и наиболее популярных моделей машинного обучения. В своей книге Эйлин Нильсен рассматривает самые распространенные и доступные инструменты анализа временных рядов, включенные в программные пакеты языков R и Python, которые могут применяться специалистами по работе с данными и разработчиками программного обеспечения для написания собственных эффективных решений.


Основные темы книги:



  • Поиск и извлечение временных рядов

  • Глубокое исследование временных рядов

  • Хранение временных данных

  • Моделирование данных временных рядов

  • Генерирование и отбор признаков для временных рядов

  • Классификация и прогнозирование временных рядов с помощью методов машинного и глубокого обучения

  • Оценка ошибок прогнозирования

  • Оценка точности и производительности моделей


Оригинал - Practical Time Series Analysis: Prediction with Statistics and Machine Learning
Aileen Nielsen

Читать далее
Посмотреть все товары по теме: Программирование на Python
Сессия b05d3e2ac986d7e5da953a884ded0f60