Практический анализ временных рядов: прогнозирование со статистикой и машинное обучение - Эйлин Нильсен (арт.95543)

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

Об авторе

Эйлин Нильсен — разработчик программного обеспечения и специалист по анализу данных из Нью-Йорка.

Она занимается обработкой данных временных рядов в самых разных предметных областях и научных дисциплинах — здравоохранении, политических кампаниях, научно-исследовательской деятельности и биржевой торговле. За свою карьеру она разработала несколько алгоритмов прогнозирования, основанных на нейронных сетях.