Praktická analýza časových řad: Predikce pomocí statistiky a strojového učení

Recenze čtenářů

Kniha nabízí komplexní a praktický úvod do analýzy časových řad, ale trpí organizačními problémy a nedostatkem ucelených příkladů v různých programovacích jazycích.

Dobře organizovaný a přístupný styl psaní, praktická aplikace konceptů, pokrývá širokou škálu témat, je vhodná pro ty, kteří mají určité zkušenosti s programováním, a má silný význam pro reálný svět.

Používání R i Pythonu může mást čtenáře, kteří znají pouze jeden jazyk, organizace obsahu je nejednotná, některé příklady kódu jsou špatně napsané nebo nejsou spustitelné a v některých tématech se objevují výtky ohledně mnohomluvnosti a nedostatečné hloubky.

(na základě 25 hodnocení čtenářů)

Původní název:

Practical Time Series Analysis: Prediction with Statistics and Machine Learning

Obsah knihy:

Analýza časových řad dat je stále důležitější vzhledem k masivní produkci těchto dat prostřednictvím internetu věcí, digitalizaci zdravotnictví a vzestupu chytrých měst. Vzhledem k tomu, že nepřetržité monitorování a sběr dat se stávají běžnějšími, poroste potřeba kompetentní analýzy časových řad pomocí statistických technik i technik strojového učení.

Tato praktická příručka, která zahrnuje inovace v analýze dat časových řad a případy použití z reálného světa, vám pomůže řešit nejčastější problémy datového inženýrství a analýzyv časových řadách, a to jak s využitím tradičních statistických technik, tak moderních technik strojového učení. Autorka Aileen Nielsen nabízí přístupný a přehledný úvod do časových řad v jazycích R i Python, díky němuž budou datoví vědci, softwaroví inženýři a výzkumníci rychle připraveni na práci.

Získáte návod, který potřebujete k tomu, abyste mohli s jistotou:

⬤ Vyhledávat a zpracovávat data časových řad.

⬤ Provádět průzkumnou analýzu dat časových řad.

⬤ Ukládat časová data.

⬤ Simulovat data časových řad.

⬤ Generovat a vybírat funkce pro časové řady.

⬤ Měření chyb.

⬤ Předpovídat a klasifikovat časové řady pomocí strojového nebo hlubokého učení.

⬤ Vyhodnoťte přesnost a výkonnost.