کتاب Practical Time Series Analysis: Prediction with Statistics and Machine Learning

وضعیت موجودی موجود

مقایسه شود

قیمت قبلی: 5,840,000 ریال

قیمت: 5,440,000 ریال

Product details

Publisher ‏ : ‎ O'Reilly Media; 1st edition (November 5, 2019)
Language ‏ : ‎ English
Paperback ‏ : ‎ 504 pages
ISBN-10 ‏ : ‎ 1492041653
ISBN-13 ‏ : ‎ 978-1492041658

Available at a lower price from other sellers that may not offer free Prime shipping.

Time series data analysis is increasingly important due to the massive production of such data through the internet of things, the digitalization of healthcare, and the rise of smart cities. As continuous monitoring and data collection become more common, the need for competent time series analysis with both statistical and machine learning techniques will increase.

Covering innovations in time series data analysis and use cases from the real world, this practical guide will help you solve the most common data engineering and analysis challengesin time series, using both traditional statistical and modern machine learning techniques. Author Aileen Nielsen offers an accessible, well-rounded introduction to time series in both R and Python that will have data scientists, software engineers, and researchers up and running quickly.

You’ll get the guidance you need to confidently:

Find and wrangle time series data
Undertake exploratory time series data analysis
Store temporal data
Simulate time series data
Generate and select features for a time series
Measure error
Forecast and classify time series with machine or deep learning
Evaluate accuracy and performance

منابع کتاب کتاب Practical Time Series Analysis: Prediction with Statistics and Machine Learning

در دسترس قیمت پایین تر از سایر فروشندگان است که ممکن است نخستین حمل و نقل رایگان را ارائه ندهند.

تجزیه و تحلیل داده های سری زمانی به دلیل تولید عظیم چنین اطلاعاتی از طریق اینترنت چیزها، دیجیتالی کردن مراقبت های بهداشتی و افزایش شهرهای هوشمند، به طور فزاینده ای مهم است. به عنوان نظارت مستمر و جمع آوری داده ها رایج تر می شود، نیاز به تجزیه و تحلیل سری های زمان صالح با تکنیک های آماری و ماشین های یادگیری افزایش می یابد.

این راهنمای عملی در مورد تجزیه و تحلیل داده های سری زمانی و استفاده از موارد از دنیای واقعی، به شما کمک خواهد کرد که رایج ترین اطلاعات مهندسی و تجزیه و تحلیل سریال Chinkesin Time را با استفاده از تکنیک های یادگیری سنتی آماری و مدرن انجام دهید. نویسنده Aileen Nielsen ارائه می دهد مقدمه ای در دسترس، به خوبی گرد در سری زمانی در هر دو R و پایتون است که دانشمندان داده، مهندسان نرم افزار و محققان را به سرعت در حال اجرا است.

شما راهنمایی شما را به اطمینان می گیرید:

داده های سری زمانی را پیدا کنید و پیچید

تجزیه و تحلیل داده های سری زمان اکتشافی را انجام دهید

اطلاعات زمانی را ذخیره کنید

شبیه سازی داده های سری زمانی

ایجاد و انتخاب ویژگی های یک سری زمانی

خطای اندازه گیری

پیش بینی و طبقه بندی سری زمانی با ماشین یا یادگیری عمیق

ارزیابی دقت و عملکرد