کتاب یادگیری ماشین برای سری زمانی با پایتون: پیش بینی ، پیش بینی و تشخیص ناهنجاری ها با روش های پیشرفته یادگیری ماشین

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

 
دانلود کتاب Machine Learning for Time-Series with Python: Forecast, predict, and detect anomalies with state-of-the-art machine learning methods

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

Become proficient in deriving insights from time-series data and analyzing a model's performance 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

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر کتاب اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.