Практический анализ временных рядов. Прогнозирование со статистикой и машинное обучение: Эйлин Нильсен
Practical Time Series Analysis. Prediction with Statistics and Machine Learning
"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 примера
Полная аннотация
Автор
Издательство
Все характеристики
Аннотация
"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
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
Свернуть
Характеристики
Автор
Редактор
Переводчик
Издательство
ID товара
786694
ISBN
978-5-907365-04-9
Страниц
544 (Офсет)
Вес
700 г
Размеры
235x165x22 мм
Тип обложки
обл - мягкий переплет (крепление скрепкой или клеем)
Иллюстрации
Черно-белые
Все характеристики
Нет в продаже
Рецензии на книгу
Читали книгу? Как она вам?
+50 ₽ за рецензию
Вы можете стать одним из первых, кто напишет рецензию на эту книгу, и получить бонус — до 50 рублей на баланс в Лабиринте!
Книги из жанра

1 1892 378 -50% Еще 4 дня
Корпоративное озеро больших данных. Новый подход к использованию Big Data и Data Science в бизнесе
Горелик Алекс
8351 670 -50% Еще 4 дня
Антология машинного обучения. Важнейшие исследования в области ИИ за последние 60 лет
Сейновски Терренс Джей