Cantitate/Preț
Produs
Total produse
Vezi coșul
Time Series Forecasting in Python de Marco Peixeiro

Time Series Forecasting in Python

Autor Marco Peixeiro
en Limba Engleză Paperback – 4 oct 2022

Cititorul care a aplicat deja rețetele de bază din Time Series Algorithms Recipes va găsi în această lucrare publicată de Manning Publications fundamentul teoretic și practic necesar pentru a trece de la simple implementări la arhitecturi complexe de producție. Remarcăm o tranziție extrem de bine structurată între metodele clasice de prognoză și noile paradigme bazate pe rețele neuronale, oferind o perspectivă mult mai granulată decât Advanced Forecasting with Python în ceea ce privește implementarea efectivă a modelelor de învățare profundă. Considerăm că forța acestui volum rezidă în organizarea sa în patru părți distincte care oglindesc evoluția unui proiect real de analiză. Începem cu înțelegerea conceptelor de bază, precum 'random walk' și predicțiile naive, pentru a construi apoi modele statistice riguroase (MA, AR, SARIMA) în Partea a 2-a. Un aspect distinctiv este integrarea variabilelor externe și gestionarea sezonalității, elemente critice în scenariile economice reale. Progresia continuă cu utilizarea TensorFlow pentru modele de tip LSTM și CNN, culminând cu automatizarea la scară largă prin intermediul bibliotecii Prophet. Pe parcursul celor 456 de pagini, autorul pune accent pe validarea modelelor prin proiecte capstone, cum este cel dedicat consumului de energie al unei gospodării sau prognozei prețului cărnii de vită în Canada. Codul Python adnotat transformă fiecare capitol într-un laborator de lucru, asigurând o experiență de lectură tehnică, dar extrem de aplicată.

Citește tot Restrânge

Preț: 32526 lei

Preț vechi: 40658 lei
-20%

Puncte Express: 488

Carte disponibilă

Livrare economică 21 mai-04 iunie
Livrare express 06-12 mai pentru 12873 lei

 Adaugă în coș

Wish list
Gift list
Am citit!
Adaugă în listă

Specificații

ISBN-13: 9781617299889
ISBN-10: 161729988X
Pagini: 456
Dimensiuni: 189 x 231 x 27 mm
Greutate: 0.8 kg
Editura: Manning Publications

De ce să citești această carte

Recomandăm această carte specialiștilor în date care doresc să stăpânească întreg spectrul prognozei cronologice. Veți câștiga abilitatea de a alege între modele statistice robuste și arhitecturi de deep learning în funcție de volumul datelor. Este un instrument esențial pentru cei care lucrează cu fluxuri de evenimente, analize de consum sau date financiare și doresc să automatizeze procesul de predicție în Python.

Despre autor

Marco Peixeiro este un instructor experimentat în domeniul științei datelor, cu o carieră solidă construită în sectorul financiar, activând ca data scientist pentru una dintre cele mai mari bănci din Canada. Expertiza sa practică în modelarea seriilor temporale pentru instituții financiare se reflectă în rigoarea exemplelor alese. Pe lângă activitatea de autor, Peixeiro este recunoscut pentru capacitatea de a traduce concepte matematice complexe în fluxuri de lucru accesibile programatorilor Python, fiind un mentor activ în comunitatea globală de data science.

Notă biografică

Marco Peixeiro is a seasoned data science instructor who has worked as a data scientist for one of Canadas largest banks. He is an active contributor to Towards Data Science, an instructor on Udemy, and on YouTube in collaboration with free CodeCamp.

Cuprins

table of contents detailed TOC
PART 1: TIME WAITS FOR NO ONE
READ IN LIVEBOOK1UNDERSTANDING TIME SERIES FORECASTING
READ IN LIVEBOOK2A NA�VE PREDICTION OF THE FUTURE
READ IN LIVEBOOK3GOING ON A RANDOM WALK
PART 2: FORECASTING WITH STATISTICAL MODELS
READ IN LIVEBOOK4MODELING A MOVING AVERAGE PROCESS
READ IN LIVEBOOK5MODELING AN AUTOREGRESSIVE PROCESS
READ IN LIVEBOOK6MODELING COMPLEX TIME SERIES
READ IN LIVEBOOK7FORECASTING NON-STATIONARY TIME SERIES
READ IN LIVEBOOK8ACCOUNTING FOR SEASONALITY
READ IN LIVEBOOK9ADDING EXTERNAL VARIABLES TO OUR MODEL
READ IN LIVEBOOK10FORECASTING MULTIPLE TIME SERIES
READ IN LIVEBOOK11CAPSTONE: FORECASTING THE NUMBER OF ANTIDIABETIC DRUG PRESCRIPTIONS IN AUSTRALIA
PART 3: LARGE-SCALE FORECASTING WITH DEEP LEARNING
READ IN LIVEBOOK12INTRODUCING DEEP LEARNING FOR TIME SERIES FORECASTING
READ IN LIVEBOOK13DATA WINDOWING AND CREATING BASELINES FOR DEEP LEARNING
READ IN LIVEBOOK14BABY STEPS WITH DEEP LEARNING
READ IN LIVEBOOK15REMEMBERING THE PAST WITH LSTM
READ IN LIVEBOOK16FILTERING OUR TIME SERIES WITH CNN
READ IN LIVEBOOK17USING PREDICTIONS TO MAKE MORE PREDICTIONS
READ IN LIVEBOOK18CAPSTONE: FORECASTING THE ELECTRIC POWER CONSUMPTION OF A HOUSEHOLD
PART 4: AUTOMATING FORECASTING AT SCALE
READ IN LIVEBOOK19AUTOMATING TIME SERIES FORECASTING WITH PROPHET
READ IN LIVEBOOK20CAPSTONE: FORECASTING THE MONTHLY AVERAGE RETAIL PRICE OF STEAK IN CANADA
21 GOING ABOVE AND BEYOND
APPENDIX
APPENDIX A: INSTALLATION INSTRUCTIONS

Descriere

Build predictive models from time-based patterns in your data. Master statistical models including new deep learning approaches for time series forecasting. In Time Series Forecasting in Python you will learn how to: Recognize a time series forecasting problem and build a performant predictive model Create univariate forecasting models that account for seasonal effects and external variables Build multivariate forecasting models to predict many time series at once Leverage large datasets by using deep learning for forecasting time series Automate the forecasting process Time Series Forecasting in Python teaches you to build powerful predictive models from time-based data. Every model you create is relevant, useful, and easy to implement with Python. You’ll explore interesting real-world datasets like Google’s daily stock price and economic data for the USA, quickly progressing from the basics to developing large-scale models that use deep learning tools like TensorFlow. Purchase of the print book includes a free eBook in PDF, Kindle, and ePub formats from Manning Publications. About the technology You can predict the future—with a little help from Python, deep learning, and time series data! Time series forecasting is a technique for modeling time-centric data to identify upcoming events. New Python libraries and powerful deep learning tools make accurate time series forecasts easier than ever before. About the book Time Series Forecasting in Python teaches you how to get immediate, meaningful predictions from time-based data such as logs, customer analytics, and other event streams. In this accessible book, you’ll learn statistical and deep learning methods for time series forecasting, fully demonstrated with annotated Python code. Develop your skills with projects like predicting the future volume of drug prescriptions, and you’ll soon be ready to build your own accurate, insightful forecasts. What's inside Create models for seasonal effects and external variables Multivariate forecasting models to predict multiple time series Deep learning for large datasets Automate the forecasting process About the reader For data scientists familiar with Python and TensorFlow. About the author Marco Peixeiro is a seasoned data science instructor who has worked as a data scientist for one of Canada’s largest banks. Table of Contents PART 1 TIME WAITS FOR NO ONE 1 Understanding time series forecasting 2 A naive prediction of the future 3 Going on a random walk PART 2 FORECASTING WITH STATISTICAL MODELS 4 Modeling a moving average process 5 Modeling an autoregressive process 6 Modeling complex time series 7 Forecasting non-stationary time series 8 Accounting for seasonality 9 Adding external variables to our model 10 Forecasting multiple time series 11 Capstone: Forecasting the number of antidiabetic drug prescriptions in Australia PART 3 LARGE-SCALE FORECASTING WITH DEEP LEARNING 12 Introducing deep learning for time series forecasting 13 Data windowing and creating baselines for deep learning 14 Baby steps with deep learning 15 Remembering the past with LSTM 16 Filtering a time series with CNN 17 Using predictions to make more predictions 18 Capstone: Forecasting the electric power consumption of a household PART 4 AUTOMATING FORECASTING AT SCALE 19 Automating time series forecasting with Prophet 20 Capstone: Forecasting the monthly average retail price of steak in Canada 21 Going above and beyond