مشخصات کتاب

Applied Time Series Analysis and Forecasting with Python

ویرایش:  
نویسندگان: Changquan Huang. Alla Petukhina  
سری: Statistics and Computing 
ISBN (شابک) : 9783031135835, 9783031135842 
ناشر: Springer 
سال نشر: 2022 
تعداد صفحات: 376
[377] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 11 Mb 

در صورت تبدیل فایل کتاب Applied Time Series Analysis and Forecasting with Python به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب تحلیل و پیش‌بینی سری زمانی کاربردی با پایتون نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.

توضیحاتی در مورد کتاب تحلیل و پیش‌بینی سری زمانی کاربردی با پایتون

این کتاب درسی روش‌ها و تکنیک‌هایی را برای تحلیل و پیش‌بینی سری‌های زمانی ارائه می‌کند و نحوه استفاده از پایتون برای پیاده‌سازی آنها و حل مسائل علم داده را نشان می‌دهد. این نه تنها رویکردهای آماری رایج و مدل‌های سری زمانی، از جمله ARMA، SARIMA، VAR، GARCH و فضای حالت و مدل‌های سوئیچینگ مارکوف را برای سری‌های زمانی (غیر) ثابت، چند متغیره و مالی، بلکه رویه‌ها و چالش‌های مدرن یادگیری ماشین برای سری‌های زمانی را نیز پوشش می‌دهد. پیش بینی با ارائه ترکیبی ارگانیک از اصول تحلیل سری های زمانی و برنامه نویسی پایتون، خواننده را قادر می سازد تا روش ها و تکنیک ها را مطالعه کند و همزمان نوشتن و اجرای کد پایتون را تمرین کند. رویکرد مبتنی بر داده آن برای تحلیل و مدل‌سازی داده‌های سری زمانی به یادگیرندگان جدید کمک می‌کند تا هم داده‌های خام و هم نتایج محاسبه‌شده آن را تجسم و تفسیر کنند. این کتاب در درجه اول برای دانشجویان آمار، اقتصاد و علوم داده با دانش کارشناسی احتمال و آمار در نظر گرفته شده است، این کتاب به همان اندازه برای متخصصان صنعت در زمینه‌های هوش مصنوعی و علوم داده و هر کسی که علاقه‌مند به استفاده از پایتون برای حل مسائل سری زمانی است، جذاب خواهد بود.

توضیحاتی درمورد کتاب به خارجی

This textbook presents methods and techniques for time series analysis and forecasting and shows how to use Python to implement them and solve data science problems. It covers not only common statistical approaches and time series models, including ARMA, SARIMA, VAR, GARCH and state space and Markov switching models for (non)stationary, multivariate and financial time series, but also modern machine learning procedures and challenges for time series forecasting. Providing an organic combination of the principles of time series analysis and Python programming, it enables the reader to study methods and techniques and practice writing and running Python code at the same time. Its data-driven approach to analyzing and modeling time series data helps new learners to visualize and interpret both the raw data and its computed results. Primarily intended for students of statistics, economics and data science with an undergraduate knowledge of probability and statistics, the book will equally appeal to industry professionals in the fields of artificial intelligence and data science, and anyone interested in using Python to solve time series problems.

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Family Finance: The Essential Guide for Parents

دانلود کتاب 清朝兴起史

دانلود کتاب Константин-Кирил Философ. Материали от научните конференции по случай 1150-годишнината от рождението му

دانلود کتاب Nano Interconnects: Device Physics, Modeling and Simulation

دانلود کتاب Édito : Methode de français Niveau B2.