دانلود کتاب Practical Time Series Analysis – Prediction With Statistics And Machine Learning, 2019;2020

آوریل 11, 2021

نام کتاب: Practical Time Series Analysis – Prediction With Statistics And Machine Learning

نویسنده: Nielsen و Aileen

ویرایش: ۱

سال انتشار: ۲۰۱۹;۲۰۲۰

کد ISBN کتاب: ۹۷۸۱۴۹۲۰۴۱۶۵۸, ۱۴۹۲۰۴۱۶۵۳,

فرمت: EPUB

تعداد صفحه: ۴۸۰

حجم کتاب: ۸ مگابایت

کیفیت کتاب: OCR

انتشارات: O’Reilly Media

Description About Book Practical Time Series Analysis – Prediction With Statistics And Machine Learning From Amazon

Time series data analysis is increasingly important due to the massive production of such data through the internet of things, the digitalization of healthcare, and the rise of smart cities. As continuous monitoring and data collection become more common, the need for competent time series analysis with both statistical and machine learning techniques will increase.

Covering innovations in time series data analysis and use cases from the real world, this practical guide will help you solve the most common data engineering and analysis challengesin time series, using both traditional statistical and modern machine learning techniques. نویسندهAileen Nielsen offers an accessible, well-rounded introduction to time series in both R and Python that will have data scientists, software engineers, and researchers up and running quickly.

You’ll get the guidance you need to confidently:

Find and wrangle time series data
Undertake exploratory time series data analysis
Store temporal data
Simulate time series data
Generate and select features for a time series
Measure error
Forecast and classify time series with machine or deep learning
Evaluate accuracy and performance

درباره کتاب Practical Time Series Analysis – Prediction With Statistics And Machine Learning ترجمه شده از گوگل

تجزیه و تحلیل داده های سری زمانی به دلیل تولید گسترده چنین داده هایی از طریق اینترنت چیزها ، دیجیتالی شدن مراقبت های بهداشتی و ظهور شهرهای هوشمند ، اهمیت فزاینده ای پیدا می کند. با متداول شدن نظارت مستمر و جمع آوری داده ها ، نیاز به تجزیه و تحلیل سری زمانی صالح با هر دو روش آماری و یادگیری ماشین افزایش می یابد.

با پوشش نوآوری در تجزیه و تحلیل داده های سری زمانی و استفاده از مواردی از دنیای واقعی ، این راهنمای عملی به شما کمک خواهد کرد متداول ترین چالش های مهندسی داده و تجزیه و تحلیل سری های زمانی را با استفاده از هر دو روش آماری سنتی و تکنیک های مدرن یادگیری ماشین حل کنید. نویسندهAileen Nielsen مقدمه ای کاملاً قابل دسترس و جامع در مورد سری های زمانی در R و Python ارائه می دهد که دانشمندان داده ، مهندسان نرم افزار و محققان را به سرعت فعال و فعال می کنند.

راهنمایی لازم برای اطمینان را دریافت خواهید کرد:

داده های سری زمانی را پیدا کرده و آنها را با یکدیگر درگیر کنید
تجزیه و تحلیل داده های سری زمانی اکتشافی را انجام دهید
داده های زمانی را ذخیره کنید
شبیه سازی داده های سری زمانی
ویژگی ها را برای یک سری زمانی ایجاد و انتخاب کنید
اندازه گیری خطا
سری های زمانی را با یادگیری ماشینی یا عمیق پیش بینی و طبقه بندی کنید
دقت و عملکرد را ارزیابی کنید