Praktická analýza časových radov s Pythonom: Od základov k technikám Bleeding Edge

Recenzie čitateľov

Kniha ponúka čitateľom zmiešané skúsenosti, pričom niektorí oceňujú jej pokrytie konceptov časových radov, zatiaľ čo iní kritizujú nedostatok vysvetlení a prítomnosť chýb v kóde. Sú tu značné problémy s kontextom a kontrolou kvality, čo ju robí menej vhodnou na seriózne štúdium.

Jednoduchým jazykom pokrýva dôležité techniky časových radov, ako sú ARMA, ARIMA, SARIMA, CNN, RNN a LSTM. Poskytuje originálny materiál a prehľadné príklady, ktoré sú prínosom pre začiatočníkov neznalých týchto pojmov.

Mnohí čitatelia považovali vysvetlenia za nedostatočné, pričom veľké bloky kódu boli uvedené bez kontextu alebo vysvetlenia. V kóde sa nachádza množstvo chýb vrátane preklepov a nesprávnych ciest. Teoretické vysvetlenia sa považujú za príliš základné, chýba im hĺbka a nedokážu dostatočne prepojiť pojmy.

(na základe 5 čitateľských recenzií)

Pôvodný názov:

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

Obsah knihy:

Zoznámte sa s koncepciami časových radov od tradičných až po najnovšie techniky. Táto kniha na komplexných príkladoch prehľadne ilustruje štatistické prístupy a metódy analýzy časových radov a ich využitie v reálnom svete. Všetok kód je k dispozícii v zápisníkoch Jupyter.

Začnete preberaním základov časových radov, štruktúry údajov časových radov, predbežného spracovania a spôsobu vytvárania funkcií prostredníctvom spracovania údajov. Ďalej sa pozriete na tradičné techniky časových radov, ako sú ARMA, SARIMAX, VAR a VARMA, s použitím trendových rámcov, ako sú StatsModels a pmdarima.

Kniha tiež vysvetľuje budovanie klasifikačných modelov pomocou sktime a pokrýva pokročilé techniky založené na hlbokom učení, ako sú ANN, CNN, RNN, LSTM, GRU a Autoencoder na riešenie problému časových radov pomocou Tensorflow. V závere vysvetľuje populárny rámec fbprophet na modelovanie analýzy časových radov. Po prečítaní knihy Hands -On Time Series Analysis with Python budete môcť tieto nové techniky aplikovať v priemyselných odvetviach, ako sú napríklad ropa a plyn, robotika, výroba, štátna správa, bankovníctvo, maloobchod, zdravotníctvo a ďalšie.

Čo sa naučíte:

- Vysvetlí základy až po pokročilé koncepty časových radov.

- Ako navrhovať, vyvíjať, školiť a overovať metodiky časových radov.

- Čo sú techniky vyhladzovania, ARMA, ARIMA, SARIMA, SRIMAX, VAR, VARMA v časových radoch a ako optimálne nastaviť parametre, aby sa dosiahli najlepšie výsledky.

- Naučte sa, ako využiť špičkové techniky, ako sú ANN, CNN, RNN, LSTM, GRU, Autoencoder, na riešenie jednorozmerných aj viacrozmerných problémov pomocou dvoch typov metód prípravy údajov pre časové rady.

- Riešenie jednorozmerných a viacrozmerných problémov pomocou fbprophet.

Pre koho je táto kniha určená

Dátovým vedcom, dátovým analytikom, finančným analytikom a výskumníkom akciových trhov.