دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Francesca Lazzeri
سری:
ISBN (شابک) : 9781119682387, 1119682363
ناشر: Wiley
سال نشر: 2020
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 مگابایت
در صورت تبدیل فایل کتاب Machine Learning for Time Series 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 یادگیری ماشینی برای پیش بینی سری زمانی 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.
با استفاده از این منبع ضروری، یاد بگیرید که چگونه اصول یادگیری ماشین را در مدل سازی سری های زمانی به کار ببرید یادگیری ماشین برای پیشبینی سریهای زمانی با پایتون یک بررسی دقیق و ساده از یکی از مهمترین عناصر تصمیمگیری در امور مالی، بازاریابی، آموزش و مراقبتهای بهداشتی است: مدلسازی سریهای زمانی. علیرغم مرکزیت پیشبینی سریهای زمانی، تعداد کمی از تحلیلگران تجاری با قدرت یا کاربرد استفاده از یادگیری ماشین در مدلسازی سریهای زمانی آشنا هستند. نویسنده فرانچسکا لازری، دانشمند و اقتصاددان برجسته یادگیری ماشین، این کمبود را با ارائه توضیحات جامع و قابل دسترس به خوانندگان و درمان کاربرد یادگیری ماشین در پیشبینی سریهای زمانی اصلاح میکند. این کتاب برای خوانندگانی نوشته شده است که تجربه اندکی در زمینه پیشبینی سریهای زمانی یا یادگیری ماشین دارند، این کتاب به طور جامع تمام موضوعات لازم برای موارد زیر را پوشش میدهد: مفاهیم پیش بینی سری های زمانی مانند ایستایی، افق، روند و فصلی را درک کنید داده های سری زمانی را برای مدل سازی آماده کنید عملکرد و دقت مدل های پیش بینی سری های زمانی را ارزیابی کنید درک زمان استفاده از شبکه های عصبی به جای مدل های سری زمانی سنتی در پیش بینی سری های زمانی یادگیری ماشینی برای پیشبینی سریهای زمانی با پایتون، نمونههای کامل دنیای واقعی، منابع و استراتژیهای مشخصی است که به خوانندگان کمک میکند تا دادهها را کشف و تغییر دهند و پیشبینیهای سری زمانی قابل استفاده و عملی را توسعه دهند. این کتاب که برای دانشمندان داده سطح مبتدی، تحلیلگران تجاری، توسعه دهندگان و محققان ایده آل است، راهنمای ارزشمند و ضروری برای مفاهیم اساسی و پیشرفته یادگیری ماشینی است که در مدل سازی سری های زمانی اعمال می شود.
Learn how to apply the principles of machine learning to time series modeling with this indispensable resource Machine Learning for Time Series Forecasting with Python is an incisive and straightforward examination of one of the most crucial elements of decision-making in finance, marketing, education, and healthcare: time series modeling. Despite the centrality of time series forecasting, few business analysts are familiar with the power or utility of applying machine learning to time series modeling. Author Francesca Lazzeri, a distinguished machine learning scientist and economist, corrects that deficiency by providing readers with comprehensive and approachable explanation and treatment of the application of machine learning to time series forecasting. Written for readers who have little to no experience in time series forecasting or machine learning, the book comprehensively covers all the topics necessary to: Understand time series forecasting concepts, such as stationarity, horizon, trend, and seasonality Prepare time series data for modeling Evaluate time series forecasting models’ performance and accuracy Understand when to use neural networks instead of traditional time series models in time series forecasting Machine Learning for Time Series Forecasting with Python is full real-world examples, resources and concrete strategies to help readers explore and transform data and develop usable, practical time series forecasts. Perfect for entry-level data scientists, business analysts, developers, and researchers, this book is an invaluable and indispensable guide to the fundamental and advanced concepts of machine learning applied to time series modeling.