عنوان کتاب به انگلیسی: |
Modern Time Series Forecasting with Python: Explore industry-ready time series forecasting using modern machine learning and deep learning |
| سال انتشار: 2022 | 552 صفحه | حجم فایل: 26 مگابایت | زبان: انگلیسی |
| نویسنده | Manu Joseph |
| ناشر | Packt Publishing |
| ISBN10: | 1803246804 |
| ISBN13: | 9781803246802 |
توضیحات کتاب
Key FeaturesExplore industry-tested machine learning techniques used to forecast millions of time series
Get started with the revolutionary paradigm of global forecasting models
Get to grips with new concepts by applying them to real-world datasets of energy forecasting
Book Description
We live in a serendipitous era where the explosion in the quantum of data collected and a renewed interest in data-driven techniques such as machine learning (ML), has changed the landscape of analytics, and with it, time series forecasting. This book, filled with industry-tested tips and tricks, takes you beyond commonly used classical statistical methods such as ARIMA and introduces to you the latest techniques from the world of ML.
This is a comprehensive guide to analyzing, visualizing, and creating state-of-the-art forecasting systems, complete with common topics such as ML and deep learning (DL) as well as rarely touched-upon topics such as global forecasting models, cross-validation strategies, and forecast metrics. You’ll begin by exploring the basics of data handling, data visualization, and classical statistical methods before moving on to ML and DL models for time series forecasting. This book takes you on a hands-on journey in which you’ll develop state-of-the-art ML (linear regression to gradient-boosted trees) and DL (feed-forward neural networks, LSTMs, and transformers) models on a real-world dataset along with exploring practical topics such as interpretability.
By the end of this book, you’ll be able to build world-class time series forecasting systems and tackle problems in the real world.
What you will learn
Find out how to manipulate and visualize time series data like a pro
Set strong baselines with popular models such as ARIMA
Discover how time series forecasting can be cast as regression
Engineer features for machine learning models for forecasting
Explore the exciting world of ensembling and stacking models
Get to grips with the global forecasting paradigm
Understand and apply state-of-the-art DL models such as N-BEATS and Autoformer
Explore multi-step forecasting and cross-validation strategies
Who this book is for
The book is for data scientists, data analysts, machine learning engineers, and Python developers who want to build industry-ready time series models. Since the book explains most concepts from the ground up, basic proficiency in Python is all you need. Prior understanding of machine learning or forecasting will help speed up your learning. For experienced machine learning and forecasting practitioners, this book has a lot to offer in terms of advanced techniques and traversing the latest research frontiers in time series forecasting.
Table of Contents
Introducing Time Series
Acquiring and Processing Time Series Data
Analyzing and Visualizing Time Series Data
Setting a Strong Baseline Forecast
Time Series Forecasting as Regression
Feature Engineering for Time Series Forecasting
Target Transformations for Time Series Forecasting
Forecasting Time Series with Machine Learning Models
Ensembling and Stacking
Global Forecasting Models
Introduction to Deep Learning
Building Blocks of Deep Learning for Time Series
Common Modeling Patterns for Time Series
Attention and Transformers for Time Series
Strategies for Global Deep Learning Forecasting Models
(N.B. Please use the Look Inside option to see further chapters)
توضیحات کتاب به فارسی (ترجمه ماشینی)
ساخت سیستم های پیش بینی سری زمانی در دنیای واقعی که با استفاده از یادگیری ماشین مدرن و مفاهیم یادگیری عمیق به میلیون ها سری زمانی مقیاس می دهند
ویژگی های کلیدی
تکنیک های یادگیری ماشین آزمایش شده توسط صنعت را برای پیش بینی میلیون ها سری زمانی کشف کنید
با الگوی انقلابی مدل های پیش بینی جهانی شروع کنید
با استفاده از آنها در مجموعه داده های دنیای واقعی پیش بینی انرژی ، با مفاهیم جدید روبرو شوید
توضیحات کتاب
ما در یک دوره سرنوشت ساز زندگی می کنیم که انفجار در کوانتومی از داده های جمع آوری شده و علاقه تازه ای به تکنیک های داده محور مانند یادگیری ماشین (ML) ، چشم انداز تحلیلی را تغییر داده و پیش بینی سری زمانی را تغییر داده است.این کتاب ، پر از نکات و ترفندهای آزمایش شده با صنعت ، شما را فراتر از روشهای آماری کلاسیک متداول مانند Arima می کند و آخرین تکنیک های دنیای ML را برای شما معرفی می کند.
این یک راهنمای جامع برای تجزیه و تحلیل ، تجسم و ایجاد سیستم های پیش بینی پیشرفته ، کامل با موضوعات مشترک مانند ML و Deep Learning (DL) و همچنین مباحث به ندرت لمس شده مانند مدل های پیش بینی جهانی ، متقابل است.استراتژی های اعتبار سنجی و معیارهای پیش بینی.شما با بررسی اصول اولیه کار ، تجسم داده ها و روشهای آماری کلاسیک قبل از حرکت به مدل های ML و DL برای پیش بینی سری زمانی شروع خواهید کرد.این کتاب شما را به یک سفر دستی می برد که در آن شما پیشرفته ترین ML (رگرسیون خطی به درختان شیب دار) و DL (شبکه های عصبی خوراک رو به جلو ، LSTM ها و ترانسفورماتورها) را در یکمجموعه داده های دنیای واقعی به همراه بررسی مباحث عملی مانند تفسیر.
با پایان این کتاب ، شما قادر خواهید بود سیستم های پیش بینی سری زمانی کلاس جهانی را بسازید و مشکلات را در دنیای واقعی برطرف کنید.
آنچه یاد خواهید گرفت
نحوه دستکاری و تجسم داده های سری زمانی مانند یک حرفه ای را پیدا کنید
خط مقدمات قوی را با مدل های محبوب مانند Arima تنظیم کنید
کشف کنید که چگونه پیش بینی سریال می تواند به عنوان رگرسیون بازی شود
ویژگی های مهندس برای مدل های یادگیری ماشین برای پیش بینی
دنیای هیجان انگیز مدل های گروهی و انباشته را کاوش کنید
با پارادایم پیش بینی جهانی روبرو شوید
مدل های پیشرفته DL مانند N-Beats و AutoFormer را درک و استفاده کنید
استراتژی های پیش بینی و اعتبار سنجی چند مرحله ای را کاوش کنید
این کتاب برای چه کسی است
این کتاب برای دانشمندان داده ، تحلیلگران داده ، مهندسان یادگیری ماشین و توسعه دهندگان پایتون است که می خواهند مدل های سری زمانی آماده صنعت را بسازند.از آنجا که این کتاب بیشتر مفاهیم را از زمین به بالا توضیح می دهد ، مهارت اساسی در پایتون تمام آنچه شما نیاز دارید است.درک قبلی از یادگیری ماشین یا پیش بینی به سرعت بخشیدن به یادگیری شما کمک می کند.برای متخصصان یادگیری و پیش بینی ماشین با تجربه ، این کتاب از نظر تکنیک های پیشرفته و گذر از آخرین مرزهای تحقیقاتی در پیش بینی سری های زمانی ، چیزهای زیادی برای ارائه دارد.
فهرست مطالب
معرفی سریال های زمانی
دستیابی و پردازش داده های سری زمانی
تجزیه و تحلیل و تجسم داده های سری زمانی
تعیین یک پیش بینی پایه قوی
پیش بینی سری زمانی به عنوان رگرسیون
مهندسی ویژگی برای پیش بینی سری زمانی
تحولات هدف برای پیش بینی سری زمانی
پیش بینی سری زمانی با مدل های یادگیری ماشین
گروه و انباشت
مدل های پیش بینی جهانی
مقدمه ای برای یادگیری عمیق
ساخت بلوک های یادگیری عمیق برای سری زمانی
الگوهای مدل سازی مشترک برای سری زمانی
توجه و ترانسفورماتورها برای سریال های زمانی
استراتژی هایی برای مدل های پیش بینی یادگیری عمیق جهانی
(N.B. لطفاً برای دیدن فصل های بعدی از گزینه Look Inside استفاده کنید)
| توجه کنید که این محصول به صورت فایل دانلودی است و نه کتاب کاغذی. |
| به هنگام خرید به زبان درج شده برای کتاب حتما توجه کنید. به صورت معمول در اکثر موارد زبان کتاب فارسی نیست. |
| در صورت هرگونه مشکل در دریافت کتاب به شماره 09395106248 پیامک دهید. |
| درج شماره موبایل برای سفارش ضروری نیست ولی ترجیح آن است درج گردد تا در صورت بروز مشکل اولین راه ارتباطی ما با شما باشد. |
|
چنانچه در دریافت محصول به هر دلیلی با مشکل روبرو شدید و مطمئن از پرداخت موفق وجه هستید به شماره تماس زیر نام، نام خانوادگی و نام محصول را پیامک بزنید تا لینک محصول سریعا برای شما ارسال گردد.
شماره تماس: 09395106248 |
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.