عنوان کتاب به انگلیسی: |
Machine Learning for Time-Series with Python: Forecast, predict, and detect anomalies with state-of-the-art machine learning methods |
| سال انتشار: 2021 | 370 صفحه | حجم فایل: 12 مگابایت | زبان: انگلیسی |
| نویسنده | Ben Auffarth |
| ناشر | Packt Publishing |
| ISBN10: | 1801819629 |
| ISBN13: | 9781801819626 |
توضیحات کتاب
Key FeaturesExplore popular and modern machine learning methods including the latest online and deep learning algorithms
Learn to increase the accuracy of your predictions by matching the right model with the right problem
Master time-series via real-world case studies on operations management, digital marketing, finance, and healthcareBook Description
Machine learning has emerged as a powerful tool to understand hidden complexities in time-series datasets, which frequently need to be analyzed in areas as diverse as healthcare, economics, digital marketing, and social sciences. These datasets are essential for forecasting and predicting outcomes or for detecting anomalies to support informed decision making.
This book covers Python basics for time-series and builds your understanding of traditional autoregressive models as well as modern non-parametric models. You will become confident with loading time-series datasets from any source, deep learning models like recurrent neural networks and causal convolutional network models, and gradient boosting with feature engineering.
Machine Learning for Time-Series with Python explains the theory behind several useful models and guides you in matching the right model to the right problem. The book also includes real-world case studies covering weather, traffic, biking, and stock market data.
By the end of this book, you will be proficient in effectively analyzing time-series datasets with machine learning principles.
What you will learn
Understand the main classes of time-series and learn how to detect outliers and patterns
Choose the right method to solve time-series problems
Characterize seasonal and correlation patterns through autocorrelation and statistical techniques
Get to grips with time-series data visualization
Understand classical time-series models like ARMA and ARIMA
Implement deep learning models, like Gaussian processes, transformers, and state-of-the-art machine learning models
Become familiar with many libraries like Prophet, XGboost, and TensorFlow
Who this book is for
This book is ideal for data analysts, data scientists, and Python developers who are looking to perform time-series analysis to effectively predict outcomes. Basic knowledge of the Python language is essential. Familiarity with statistics is desirable.
Table of Contents
Introduction to Time-Series with Python
Time-Series Analysis with Python
Preprocessing Time-Series
Introduction to Machine Learning for Time Series
Forecasting with Moving Averages and Autoregressive Models
Unsupervised Methods for Time-Series
Machine Learning Models for Time-Series
Online Learning for Time-Series
Probabilistic Models for Time-Series
Deep Learning for Time-Series
Reinforcement Learning for Time-Series
Multivariate Forecasting
توضیحات کتاب به فارسی (ترجمه ماشینی)
در استخراج بینش از داده های سری زمانی و تجزیه و تحلیل عملکرد یک مدل مهارت پیدا کنید
ویژگی های کلیدی
روشهای محبوب و مدرن یادگیری ماشین را از جمله آخرین الگوریتم های یادگیری آنلاین و عمیق کاوش کنید
بیاموزید که با تطبیق مدل مناسب با مشکل مناسب ، دقت پیش بینی های خود را افزایش دهید
سری زمانی استاد از طریق مطالعات موردی در دنیای واقعی در مورد مدیریت عملیات ، بازاریابی دیجیتال ، امور مالی و مراقبت های بهداشتی
توضیحات کتاب
یادگیری ماشین به عنوان ابزاری قدرتمند برای درک پیچیدگی های پنهان در مجموعه داده های سری زمانی ظاهر شده است ، که اغلب نیاز به تجزیه و تحلیل در زمینه هایی به اندازه مراقبت های بهداشتی ، اقتصاد ، بازاریابی دیجیتال و علوم اجتماعی دارند.این مجموعه داده ها برای پیش بینی و پیش بینی نتایج یا تشخیص ناهنجاری ها برای حمایت از تصمیم گیری آگاهانه ضروری است.
این کتاب اصول اولیه پایتون را برای سری زمانی پوشش می دهد و درک شما از مدل های سنتی خودجوش و همچنین مدلهای غیر پارامتری مدرن را ایجاد می کند.شما به بارگیری مجموعه داده های سری زمانی از هر منبع ، مدل های یادگیری عمیق مانند شبکه های عصبی مکرر و مدلهای شبکه Convolutional علیت و تقویت شیب با مهندسی ویژگی اطمینان خواهید یافت.
یادگیری ماشین برای سری زمانی با پایتون نظریه پشت چندین مدل مفید را توضیح می دهد و شما را در تطبیق مدل مناسب با مشکل مناسب راهنمایی می کند.این کتاب همچنین شامل مطالعات موردی در دنیای واقعی است که شامل آب و هوا ، ترافیک ، دوچرخه سواری و داده های بازار سهام است.
با پایان این کتاب ، شما در تجزیه و تحلیل مؤثر مجموعه داده های سری زمانی با اصول یادگیری ماشین مهارت خواهید داشت.
آنچه یاد خواهید گرفت
کلاسهای اصلی سری زمانی را درک کنید و یاد بگیرید که چگونه دور و الگوهای را تشخیص دهید
روش درستی را برای حل مشکلات سری زمانی انتخاب کنید
الگوهای فصلی و همبستگی را از طریق همبستگی و تکنیک های آماری مشخص کنید
با تجسم داده های سری زمانی به دست بیاورید
مدل های سری زمانی کلاسیک مانند آرما و آریما را درک کنید
مدل های یادگیری عمیق ، مانند فرآیندهای گاوسی ، ترانسفورماتورها و مدلهای یادگیری ماشین پیشرفته را اجرا کنید
با بسیاری از کتابخانه ها مانند پیامبر ، xgboost و tensorflow آشنا شوید
این کتاب برای چه کسی است
این کتاب برای تحلیلگران داده ، دانشمندان داده و توسعه دهندگان پایتون که به دنبال انجام تجزیه و تحلیل سری زمانی هستند برای پیش بینی نتایج به طور مؤثر ایده آل است.دانش اساسی زبان پایتون ضروری است.آشنایی با آمار مطلوب است.
فهرست مطالب
آشنایی با سری زمان با پایتون
تجزیه و تحلیل سری زمانی با پایتون
پیش پردازش سری زمانی
مقدمه ای برای یادگیری ماشین برای سری زمانی
پیش بینی با میانگین های متحرک و مدل های خودجوش
روشهای بدون نظارت برای سری زمانی
مدل های یادگیری ماشین برای سری زمانی
یادگیری آنلاین برای سری زمانی
مدل های احتمالی برای سری زمانی
یادگیری عمیق برای سری زمانی
یادگیری تقویت برای سری زمانی
پیش بینی چند متغیره
| 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.