Praktická analýza časových řad s Pythonem: Od základů k technikám Bleeding Edge

Recenze čtenářů

Kniha nabízí čtenářům smíšené zkušenosti, někteří oceňují její pokrytí konceptů časových řad, zatímco jiní kritizují nedostatek vysvětlení a přítomnost chyb v kódu. Existují značné problémy s kontextem a kontrolou kvality, což ji činí méně vhodnou pro seriózní výuku.

Jednoduchým jazykem pokrývá důležité techniky časových řad, jako jsou ARMA, ARIMA, SARIMA, CNN, RNN a LSTM. Poskytuje originální materiál a přehledné příklady, které jsou přínosné pro začátečníky neznalé těchto pojmů.

Mnozí čtenáři považovali vysvětlení za nedostatečné, velké bloky kódu byly uvedeny bez kontextu a vysvětlení. V kódu se vyskytuje řada chyb, včetně překlepů a nesprávných cest. Teoretická vysvětlení jsou považována za příliš základní, postrádající hloubku a nedostatečně propojující jednotlivé koncepty.

(na základě 5 hodnocení čtenářů)

Původní název:

Hands-On Time Series Analysis with Python: From Basics to Bleeding Edge Techniques

Obsah knihy:

Seznamte se s koncepty časových řad od tradičních až po nejmodernější techniky. Kniha na rozsáhlých příkladech názorně ilustruje statistické přístupy a metody analýzy dat časových řad a jejich využití v reálném světě. Veškerý kód je k dispozici v zápisnících Jupyter.

Na začátku se seznámíte se základy časových řad, strukturou dat časových řad, předzpracováním a způsobem vytváření funkcí pomocí práce s daty. Dále se podíváte na tradiční techniky časových řad, jako jsou ARMA, SARIMAX, VAR a VARMA, s využitím trendových frameworků, jako jsou StatsModels a pmdarima.

Kniha také vysvětluje vytváření klasifikačních modelů pomocí sktime a zabývá se pokročilými technikami založenými na hlubokém učení, jako jsou ANN, CNN, RNN, LSTM, GRU a Autoencoder, které řeší problém časových řad pomocí Tensorflow. V závěru vysvětluje populární framework fbprophet pro modelování analýzy časových řad. Po přečtení knihy Hands -On Time Series Analysis with Python budete moci tyto nové techniky použít v průmyslových odvětvích, jako je ropný a plynárenský průmysl, robotika, výroba, státní správa, bankovnictví, maloobchod, zdravotnictví a další.

Co se naučíte:

- Vysvětlí základy až po pokročilé koncepty časových řad.

- Jak navrhovat, vyvíjet, školit a ověřovat metodiky časových řad.

- Co jsou to techniky vyhlazování, ARMA, ARIMA, SARIMA, SRIMAX, VAR, VARMA v časových řadách a jak optimálně vyladit parametry, aby se dosáhlo nejlepších výsledků.

- Naučte se, jak využít špičkové techniky, jako jsou ANN, CNN, RNN, LSTM, GRU, Autoencoder, k řešení jednorozměrných i vícerozměrných problémů pomocí dvou typů metod přípravy dat pro časové řady.

- Řešení jednorozměrných a vícerozměrných problémů pomocí fbprophet.

Pro koho je tato kniha určena

Datovým vědcům, datovým analytikům, finančním analytikům a výzkumníkům akciových trhů.