Практичний аналіз часових рядів. Прогнозування зі статистикою і машинне навчання. Ейлін Нільсен

"Неабияке видання! Рано чи пізно будь-якого фахівця з аналізу даних доводиться працювати з тимчасовими рядами або з подібними їм технологічними даними. У цій книзі ви знайдете детальний опис методологій машинного навчання та обробки часових даних, що супроводжується чудовими прикладами їх практичної реалізації."

Андреас Ст. Кемпа-Лір, старший викладач, факультет інженерних наук, Оклендский університет

Аналіз тимчасових рядів стає все більш і більш актуальним розділом науки про дані у зв'язку з поширенням Інтернету речей, переходом охорони здоров'я на виключно цифровий облік даних і зростанням розумних міст. Безперервний моніторинг і збір різних даних стають повсякденною дійсністю і визначають постійно зростаючу потребу в ефективних інструментах аналізу часових рядів, заснованих як на статистичних методах, так і на методах машинного навчання. 

У цьому практичному посібнику описані сучасні технології аналізу даних часових рядів і наведені приклади їх практичного застосування в різних предметних областях. Воно покликане допомогти у вирішенні найбільш поширених завдань дослідження та обробки часових рядів за допомогою традиційних статистичних методів і найбільш популярних моделей машинного навчання. У своїй книзі Ейлін Нільсен розглядає найбільш поширені і доступні інструменти аналізу часових рядів, включені в програмні пакети мов R і Python, які можуть застосовуватися фахівцями по роботі з даними та розробниками програмного забезпечення для написання власних ефективних рішень.

Основні теми книги:

• Пошук і витяг часових рядів
• Глибоке дослідження часових рядів
• Зберігання тимчасових даних
• Моделювання даних часових рядів
• Генерування та відбір ознак для часових рядів
• Класифікація та прогнозування часових рядів за допомогою методів машинного і глибокого навчання
• Оцінка помилок прогнозування
• Оцінка точності та продуктивності моделей

Про автора:

Ейлін Нільсен — розробник програмного забезпечення і фахівець з аналізу даних з Нью-Йорка.

Вона займається обробкою даних часових рядів у різних предметних областях і наукових дисциплінах — охороні здоров'я, політичних кампаніях, науково-дослідної діяльності та біржової торгівлі. За свою кар'єру вона розробила декілька алгоритмів прогнозування, заснованих на нейронних мережах.