Ebook: Практический анализ временных рядов: прогнозирование со статистикой и машинное обучение
Author: Эйлин Нильсен
- Genre: Компьютеры // Кибернетика: Искусственный интеллект
- Tags: Machine Learning, Data Analysis, Neural Networks, Deep Learning, Anomaly Detection, Python, Convolutional Neural Networks, Recurrent Neural Networks, Classification, Clustering, Kalman Filtering, Data Visualization, R, Statistics, Finance, NumPy, pandas, Forecasting, Simulation, Data Wrangling, Model Selection, Healthcare, Prophet, Time Series Analysis, Performance, Markov Models, Vector Autoregression, ARIMA, Feedforward Neural Networks
- Year: 2021
- Publisher: Диалектика
- City: СПб.
- Edition: 1
- Language: Русский
- pdf
"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
Об авторе
Эйлин Нильсен — разработчик программного обеспечения и специалист по анализу данных из Нью-Йорка.
Она занимается обработкой данных временных рядов в самых разных предметных областях и научных дисциплинах — здравоохранении, политических кампаниях, научно-исследовательской деятельности и биржевой торговле. За свою карьеру она разработала несколько алгоритмов прогнозирования, основанных на нейронных сетях.
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
Об авторе
Эйлин Нильсен — разработчик программного обеспечения и специалист по анализу данных из Нью-Йорка.
Она занимается обработкой данных временных рядов в самых разных предметных областях и научных дисциплинах — здравоохранении, политических кампаниях, научно-исследовательской деятельности и биржевой торговле. За свою карьеру она разработала несколько алгоритмов прогнозирования, основанных на нейронных сетях.
Download the book Практический анализ временных рядов: прогнозирование со статистикой и машинное обучение for free or read online
Continue reading on any device:
Last viewed books
Related books
{related-news}
Comments (0)