Прогнозування сучасних часових рядів за допомогою Python

Прогнозування майбутнього, будь то тенденції на ринку, попит на енергію чи трафік веб -сайтів, ніколи не були більш важливими. Цей практичний, практичний путівник дає можливість будувати та розгортати потужні моделі прогнозування часових рядів. Незалежно від того, чи працюєте ви з традиційними статистичними методами чи архітектурою глибокого навчання, ця книга забезпечує структуроване навчання та найкращі практики. Починаючи з основ, ця книга «Наука про дані» вступає в основні концепції часових рядів, такі як Arima та експоненціальне згладжування, перш ніж поступово переходити до передових тем, таких як машинне навчання для часових рядів, глибокі нейронні мережі та трансформатори. У рамках навчання своїх основ, ви будете вивчати попередню обробку, інженерію функцій та оцінку моделі. У міру прогресування ви також вивчаєте глобальні моделі прогнозування, методи ансамблю та ймовірнісні методи прогнозування. Це нове видання Deepo в архітектурі трансформаторів та ймовірнісному прогнозуванні, включаючи новий контент на останніх моделях часових рядів, конформмне прогнозування та ієрархічне прогнозування. Незалежно від того, чи шукаєте ви розширені розуміння глибокого навчання чи спеціалізовані архітектурні знаряддя, це видання надає практичні стратегії та новий контент для підвищення навичок прогнозування.

Примітка: книга в цифровій формі.

Після покупки продукт буде доступний для завантаження з облікового запису Allegro, крім того, у файл буде надіслано повідомлення (будь ласка, перевірте каталог спаму). Виберіть меню:

"Покупки" -> "E -Books" -> "Моя полиця".

Кожна електронна книга закріплена окремим водним шляхом, яка містить дані покупця, надані на Allegro.

Електронна книга буде доступна, коли платіж буде зарахована нашою системою.