مشخصات کتاب

Practical time series analysis: prediction with statistics and machine learning

ویرایش:  
نویسندگان: Nielsen. Aileen  
سری:  
ISBN (شابک) : 9781492041658, 1492041653 
ناشر: O'Reilly Media 
سال نشر: 2019;2020 
تعداد صفحات: xvi, 480 Seiten: Illustrationen 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 8 Mb 

در صورت تبدیل فایل کتاب Practical time series analysis: prediction with statistics and machine learning 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 تجزیه و تحلیل سری زمانی عملی: پیش بینی با آمار و یادگیری ماشین 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 تجزیه و تحلیل سری زمانی عملی: پیش بینی با آمار و یادگیری ماشین

تجزیه و تحلیل داده های سری زمانی به دلیل تولید انبوه چنین داده هایی از طریق اینترنت اشیا، دیجیتالی شدن مراقبت های بهداشتی و ظهور شهرهای هوشمند اهمیت فزاینده ای دارد. با متداول شدن نظارت مستمر و جمع‌آوری داده‌ها، نیاز به تجزیه و تحلیل سری‌های زمانی مناسب با تکنیک‌های آماری و یادگیری ماشین افزایش می‌یابد.

پوشش نوآوری‌ها در تجزیه و تحلیل داده‌های سری زمانی و موارد استفاده از دنیای واقعی، این راهنمای عملی به شما کمک می‌کند تا با استفاده از تکنیک‌های آماری سنتی و مدرن یادگیری ماشین، رایج‌ترین چالش‌های مهندسی و تحلیل داده‌ها را در سری‌های زمانی حل کنید. نویسنده، آیلین نیلسن، مقدمه‌ای در دسترس و جامع برای سری‌های زمانی در R و Python ارائه می‌کند که دانشمندان داده، مهندسان نرم‌افزار و محققان را به سرعت آماده می‌کند.

شما راهنمایی‌های لازم را دریافت خواهید کرد. باید با اطمینان:


داده‌های سری زمانی را بیابید و بحث کنید
تحلیل داده‌های سری زمانی اکتشافی را انجام دهید
داده‌های زمانی را ذخیره کنید
داده‌های سری زمانی را شبیه‌سازی کنید
ایجاد و انتخاب ویژگی‌های یک سری زمانی
اندازه‌گیری خطا
پیش‌بینی و طبقه‌بندی سری‌های زمانی با یادگیری ماشینی یا عمیق
ارزیابی دقت و عملکرد

توضیحاتی درمورد کتاب به خارجی

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. Author Aileen 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

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Who Should You Have Sex With?: The Secrets to Great Sexual Chemistry

دانلود کتاب Loss Models: From Data to Decisions, Third Edition

دانلود کتاب What Is Japanese Cinema? A History

دانلود کتاب American Military Aircraft. A Century of Innovation

دانلود کتاب Räucher-Kräuter: entspannende Düfte für Ihr Wohlbefinden GERMAN