Praktická analýza časových radov: Predpovedanie pomocou štatistiky a strojového učenia

Recenzie čitateľov

Kniha ponúka komplexný a praktický úvod do analýzy časových radov, ale trpí organizačnými problémami a nedostatkom ucelených príkladov v rôznych programovacích jazykoch.

Dobre organizovaný a prístupný štýl písania, praktická aplikácia konceptov, pokrýva širokú škálu tém, je vhodná pre tých, ktorí majú určité skúsenosti s programovaním, a má veľký význam pre reálny svet.

Používanie jazykov R a Python môže zmiasť čitateľov, ktorí poznajú len jeden jazyk, organizácia obsahu je nekonzistentná, niektoré príklady kódu sú zle napísané alebo sa nedajú spustiť a v niektorých témach sa objavujú výhrady k mnohomluvnosti a nedostatočnej hĺbke.

(na základe 25 čitateľských recenzií)

Pôvodný názov:

Practical Time Series Analysis: Prediction with Statistics and Machine Learning

Obsah knihy:

Analýza časových radov údajov je čoraz dôležitejšia vzhľadom na masívnu produkciu takýchto údajov prostredníctvom internetu vecí, digitalizáciu zdravotníctva a vzostup inteligentných miest. Keďže nepretržité monitorovanie a zber údajov sa stávajú bežnejšími, potreba kompetentnej analýzy časových radov pomocou štatistických techník aj techník strojového učenia sa bude zvyšovať.

Táto praktická príručka, ktorá zahŕňa inovácie v analýze časových radov údajov a prípady použitia z reálneho sveta, vám pomôže riešiť najčastejšie výzvy v oblasti dátového inžinierstva a analýzyčasových radov s využitím tradičných štatistických techník aj moderných techník strojového učenia. Autorka Aileen Nielsen ponúka prístupný, dobre spracovaný úvod do časových radov v jazykoch R aj Python, vďaka ktorému budú dátoví vedci, softvéroví inžinieri a výskumníci rýchlo pripravení na prácu.

Získate návod, ktorý potrebujete na to, aby ste mohli s istotou:

⬤ Vyhľadávať a spracúvať údaje časových radov.

⬤ Vykonať prieskumnú analýzu údajov časových radov.

⬤ Ukladajte časové údaje.

⬤ Simulovať údaje časových radov.

⬤ Generovať a vyberať funkcie pre časové rady.

⬤ Merať chyby.

⬤ Predpovedať a klasifikovať časové rady pomocou strojového alebo hlbokého učenia.

⬤ Vyhodnotiť presnosť a výkonnosť.