Phone: 1-718-787-0664

Email: sales@vasha-kniga.com

Практический анализ временных рядов: прогнозирование со статистикой и машинное обучение
Prakticheskii analiz vremennykh riadov: prognozirovanie so statistikoi i mashinnoe obuchenie
Нильсен Э. (Nil'sen E.)

SKU: VV1306431
ISBN: 9785907365049

Pages: 544
Paperback
year: 2021
Publicher: Диалектика (Dialektika)


Price: $135.11

ship 24-25

Product Reference
https://www.vasha-kniga.com/productdetail.asp?productid=1306431
Product snapshot as of 11/22/2024
Price and availability are subject to change
2008 Vasha-Kniga.com
 
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.