دانلود کتاب Modern Time Series Forecasting with Python: Explore industry-ready time series forecasting using modern machine learning and deep learning – پیش‌بینی سری‌های زمانی مدرن با پایتون: پیش‌بینی سری‌های زمانی آماده صنعت را با استفاده از یادگیری ماشین مدرن و یادگیری عمیق کاوش کنید.

توضیحات

Build real-world time series forecasting systems which scale to millions of time series by applying modern machine learning and deep learning concepts

Key Features

• Explore industry-tested machine learning techniques used to forecast millions of time series
• Get started with the revolutionary paradigm of global forecasting models
• Get to grips with new concepts by applying them to real-world datasets of energy forecasting

Book Description

We live in a serendipitous era where the explosion in the quantum of data collected and a renewed interest in data-driven techniques such as machine learning (ML), has changed the landscape of analytics, and with it, time series forecasting. This book, filled with industry-tested tips and tricks, takes you beyond commonly used classical statistical methods such as ARIMA and introduces to you the latest techniques from the world of ML.

This is a comprehensive guide to analyzing, visualizing, and creating state-of-the-art forecasting systems, complete with common topics such as ML and deep learning (DL) as well as rarely touched-upon topics such as global forecasting models, cross-validation strategies, and forecast metrics. You’ll begin by exploring the basics of data handling, data visualization, and classical statistical methods before moving on to ML and DL models for time series forecasting. This book takes you on a hands-on journey in which you’ll develop state-of-the-art ML (linear regression to gradient-boosted trees) and DL (feed-forward neural networks, LSTMs, and transformers) models on a real-world dataset along with exploring practical topics such as interpretability.

By the end of this book, you’ll be able to build world-class time series forecasting systems and tackle problems in the real world.

What you will learn

• Find out how to manipulate and visualize time series data like a pro
• Set strong baselines with popular models such as ARIMA
• Discover how time series forecasting can be cast as regression
• Engineer features for machine learning models for forecasting
• Explore the exciting world of ensembling and stacking models
• Get to grips with the global forecasting paradigm
• Understand and apply state-of-the-art DL models such as N-BEATS and Autoformer
• Explore multi-step forecasting and cross-validation strategies

Who this book is for

The book is for data scientists, data analysts, machine learning engineers, and Python developers who want to build industry-ready time series models. Since the book explains most concepts from the ground up, basic proficiency in Python is all you need. Prior understanding of machine learning or forecasting will help speed up your learning. For experienced machine learning and forecasting practitioners, this book has a lot to offer in terms of advanced techniques and traversing the latest research frontiers in time series forecasting.

Table of Contents

1. Introducing Time Series
2. Acquiring and Processing Time Series Data
3. Analyzing and Visualizing Time Series Data
4. Setting a Strong Baseline Forecast
5. Time Series Forecasting as Regression
6. Feature Engineering for Time Series Forecasting
7. Target Transformations for Time Series Forecasting
8. Forecasting Time Series with Machine Learning Models
9. Ensembling and Stacking
10. Global Forecasting Models
11. Introduction to Deep Learning
12. Building Blocks of Deep Learning for Time Series
13. Common Modeling Patterns for Time Series
14. Attention and Transformers for Time Series
15. Strategies for Global Deep Learning Forecasting Models

(N.B. Please use the Look Inside option to see further chapters)

————————————————————–

ترجمه ماشینی :

سامانه‌های پیش‌بینی سری‌های زمانی دنیای واقعی را بسازید که با استفاده از یادگیری ماشین مدرن و مفاهیم یادگیری عمیق به میلیون‌ها سری زمانی مقیاس می‌شوند

ویژگی‌های کلیدی

• تکنیک‌های یادگیری ماشینی آزمایش‌شده در صنعت را که برای پیش‌بینی میلیون‌ها سری زمانی استفاده می‌شوند کاوش کنید
• با پارادایم انقلابی مدل های پیش بینی جهانی شروع کنید
• با به کار بردن مفاهیم جدید در مجموعه داده های دنیای واقعی پیش بینی انرژی، با مفاهیم جدید آشنا شوید< /span>

توضیحات کتاب

ما در دوره‌ای زندگی می‌کنیم که در آن انفجار در کوانتوم داده‌های جمع‌آوری‌شده و علاقه مجدد به تکنیک‌های مبتنی بر داده مانند یادگیری ماشین (ML)، چشم‌انداز تحلیل‌ها و همراه با آن، پیش‌بینی سری‌های زمانی را تغییر داده است. این کتاب، پر از نکات و ترفندهای آزمایش شده در صنعت، شما را فراتر از روش های آماری کلاسیک رایج مانند ARIMA می برد و جدیدترین تکنیک های دنیای ML را به شما معرفی می کند.

این یک راهنمای جامع برای تجزیه و تحلیل، تجسم، و ایجاد سیستم‌های پیش‌بینی پیشرفته است، که با موضوعات رایجی مانند ML و یادگیری عمیق (DL) و همچنین موضوعاتی مانند مدل‌های پیش‌بینی جهانی، متقاطع، کامل شده است. -استراتژی های اعتبارسنجی و معیارهای پیش بینی قبل از اینکه به سراغ مدل‌های ML و DL برای پیش‌بینی سری‌های زمانی بروید، اصول اولیه مدیریت داده، تجسم داده‌ها و روش‌های آماری کلاسیک را بررسی می‌کنید. این کتاب شما را به سفری عملی می برد که در آن مدل های پیشرفته ML (رگرسیون خطی به درختان تقویت شده با گرادیان) و DL (شبکه های عصبی پیشخور، LSTM و ترانسفورماتورها) را بر روی مجموعه داده های دنیای واقعی همراه با کاوش در موضوعات کاربردی مانند تفسیرپذیری.

در پایان این کتاب، شما قادر خواهید بود سیستم های پیش بینی سری های زمانی در سطح جهانی بسازید و مقابله کنید. مشکلات در دنیای واقعی.

آنچه یاد خواهید گرفت

• چگونه دستکاری و تجسم داده‌های سری زمانی مانند حرفه‌ای
• با مدل‌های محبوبی مانند ARIMA خطوط پایه قوی تنظیم کنید. li>کشف کنید که چگونه می توان پیش بینی سری های زمانی را به صورت رگرسیون تبدیل کرد
• ویژگی های مهندسی برای مدل های یادگیری ماشین برای پیش بینی
• دنیای هیجان انگیز مجموعه و چیدمان مدل ها را کاوش کنید
• به با پارادایم پیش بینی جهانی تسلط دارد
• درک و به کارگیری مدل های پیشرفته DL مانند N-BEATS و Autoformer
• پیش‌بینی چند مرحله‌ای و استراتژی‌های اعتبارسنجی متقابل را کاوش کنید

چه کسی این کتاب برای

این کتاب برای دانشمندان داده، تحلیلگران داده، مهندسان یادگیری ماشین و توسعه دهندگان پایتون است که می خواهند مدل های سری زمانی آماده برای صنعت بسازند. از آنجایی که کتاب بیشتر مفاهیم را از پایه توضیح می دهد، مهارت پایه در پایتون تنها چیزی است که شما نیاز دارید. درک قبلی از یادگیری ماشینی یا پیش بینی به افزایش سرعت یادگیری شما کمک می کند. برای متخصصان باتجربه یادگیری ماشین و پیش‌بینی، این کتاب از نظر تکنیک‌های پیشرفته و عبور از آخرین مرزهای تحقیقاتی در پیش‌بینی سری‌های زمانی، چیزهای زیادی برای ارائه دارد.

فهرست محتوا span>

1. معرفی سری های زمانی
2. اکتساب و پردازش داده های سری زمانی span>
3. تجزیه و تحلیل و تجسم داده‌های سری زمانی
4. تنظیم یک خط پایه قوی پیش بینی
5. پیش بینی سری زمانی به صورت رگرسیون
7. مهندسی ویژگی برای پیش‌بینی سری‌های زمانی
8. تحولات هدف برای پیش‌بینی سری‌های زمانی
9. < span>پیش‌بینی سری‌های زمانی با مدل‌های یادگیری ماشین
10. مجموعه‌سازی و پشته‌بندی
11. مدل های پیش بینی جهانی
12. مقدمه ای بر یادگیری عمیق
13. ساختمان‌های یادگیری عمیق برای سری‌های زمانی
14. الگوهای مدل‌سازی رایج برای سری‌های زمانی
15. توجه و تبدیل‌کننده‌ها برای سری‌های زمانی
16. استراتژی‌های مدل‌های پیش‌بینی یادگیری عمیق جهانی

(نکته لطفا از گزینه Look Inside برای دیدن فصل های بیشتر استفاده کنید)

---

 

tag : دانلود کتاب پیش‌بینی سری‌های زمانی مدرن با پایتون: پیش‌بینی سری‌های زمانی آماده صنعت را با استفاده از یادگیری ماشین مدرن و یادگیری عمیق کاوش کنید. , Download پیش‌بینی سری‌های زمانی مدرن با پایتون: پیش‌بینی سری‌های زمانی آماده صنعت را با استفاده از یادگیری ماشین مدرن و یادگیری عمیق کاوش کنید. , دانلود پیش‌بینی سری‌های زمانی مدرن با پایتون: پیش‌بینی سری‌های زمانی آماده صنعت را با استفاده از یادگیری ماشین مدرن و یادگیری عمیق کاوش کنید. , Download Modern Time Series Forecasting with Python: Explore industry-ready time series forecasting using modern machine learning and deep learning Book , پیش‌بینی سری‌های زمانی مدرن با پایتون: پیش‌بینی سری‌های زمانی آماده صنعت را با استفاده از یادگیری ماشین مدرن و یادگیری عمیق کاوش کنید. دانلود , buy پیش‌بینی سری‌های زمانی مدرن با پایتون: پیش‌بینی سری‌های زمانی آماده صنعت را با استفاده از یادگیری ماشین مدرن و یادگیری عمیق کاوش کنید. , خرید کتاب پیش‌بینی سری‌های زمانی مدرن با پایتون: پیش‌بینی سری‌های زمانی آماده صنعت را با استفاده از یادگیری ماشین مدرن و یادگیری عمیق کاوش کنید. , دانلود کتاب Modern Time Series Forecasting with Python: Explore industry-ready time series forecasting using modern machine learning and deep learning , کتاب Modern Time Series Forecasting with Python: Explore industry-ready time series forecasting using modern machine learning and deep learning , دانلود Modern Time Series Forecasting with Python: Explore industry-ready time series forecasting using modern machine learning and deep learning , خرید Modern Time Series Forecasting with Python: Explore industry-ready time series forecasting using modern machine learning and deep learning , خرید کتاب Modern Time Series Forecasting with Python: Explore industry-ready time series forecasting using modern machine learning and deep learning ,