توضیحات
Cover all the machine learning techniques relevant for forecasting problems, ranging from univariate and multivariate time series to supervised learning, to state-of-the-art deep forecasting models such as LSTMs, recurrent neural networks, Facebooks open-source Prophet model, and Amazons DeepAR model.
Rather than focus on a specific set of models, this book presents an exhaustive overview of all the techniques relevant to practitioners of forecasting. It begins by explaining the different categories of models that are relevant for forecasting in a high-level language. Next, it covers univariate and multivariate time series models followed by advanced machine learning and deep learning models. It concludes with reflections on model selection such as benchmark scores vs. understandability of models vs. compute time, and automated retraining and updating of models.
Each of the models presented in this book is covered in depth, with an intuitive simple explanation of the model, a mathematical transcription of the idea, and Python code that applies the model to an example data set.
Reading this book will add a competitive edge to your current forecasting skillset. The book is also adapted to those who have recently started working on forecasting tasks and are looking for an exhaustive book that allows them to start with traditional models and gradually move into more and more advanced models.
What You Will Learn
- Carry out forecasting with Python
- Mathematically and intuitively understand traditional forecasting models and state-of-the-art machine learning techniques
- Gain the basics of forecasting and machine learning, including evaluation of models, cross-validation, and back testing
- Select the right model for the right use case
Who This Book Is For
The advanced nature of the later chapters makes the book relevant for applied experts working in the domain of forecasting, as the models covered have been published only recently. Experts working in the domain will want to update their skills as traditional models are regularly being outperformed by newer models.
————————————————————–
ترجمه ماشینی :
تمام تکنیکهای یادگیری ماشین مربوط به مشکلات پیشبینی را پوشش میدهد، از سریهای زمانی تک متغیره و چند متغیره گرفته تا یادگیری تحت نظارت، تا مدلهای پیشبینی عمیق پیشرفته مانند LSTM، شبکههای عصبی تکراری، مدل پیامبر منبع باز فیسبوک و مدل DeepAR آمازون.
این کتاب به جای تمرکز بر مجموعهای از مدلها، مروری جامع از تمام تکنیکهای مربوط به متخصصان پیشبینی ارائه میدهد. با توضیح دستههای مختلف مدلهایی که برای پیشبینی به زبان سطح بالا مرتبط هستند، آغاز میشود. سپس، مدلهای سری زمانی تک متغیره و چند متغیره را پوشش میدهد و سپس مدلهای یادگیری ماشین پیشرفته و یادگیری عمیق را پوشش میدهد. این با تأملاتی در مورد انتخاب مدل مانند امتیازات معیار در مقابل قابل درک بودن مدلها در مقابل زمان محاسبه، و بازآموزی و بهروزرسانی خودکار مدلها به پایان میرسد.
هر یک از مدلهای ارائهشده در این کتاب به طور عمیق، با توضیح ساده بصری مدل، رونویسی ریاضی ایده، و کد پایتون که مدل را در مجموعه دادهای مثال اعمال میکند، پوشش داده شده است. /p>
خواندن این کتاب یک مزیت رقابتی را به مجموعه مهارت های پیش بینی فعلی شما اضافه می کند. این کتاب همچنین برای کسانی که به تازگی کار بر روی کارهای پیش بینی را آغاز کرده اند و به دنبال کتابی جامع هستند که به آنها اجازه می دهد با مدل های سنتی شروع کنند و به تدریج به مدل های بیشتر و پیشرفته تر حرکت کنند، سازگار است.
آنچه خواهید آموخت
- پیشبینی را با پایتون انجام دهید
- بهطور ریاضی و شهودی مدلهای پیشبینی سنتی و تکنیکهای پیشرفتهی یادگیری ماشین را درک کنید. li>
- مبانی پیشبینی و یادگیری ماشین را به دست آورید، از جمله ارزیابی مدلها، اعتبارسنجی متقابل، و آزمایش برگشتی
- مدل مناسب را برای استفاده مناسب انتخاب کنید
این کتاب برای چه کسی است
ماهیت پیشرفته فصلهای بعدی این کتاب را برای کارشناسان کاربردی که در حوزه پیشبینی کار میکنند مرتبط میسازد، زیرا مدلهای تحت پوشش اخیراً منتشر شدهاند. کارشناسانی که در این دامنه کار میکنند میخواهند مهارتهای خود را بهروزرسانی کنند، زیرا مدلهای سنتی معمولاً از مدلهای جدیدتر بهتر عمل میکنند.
tag : دانلود کتاب پیشبینی پیشرفته با پایتون: با مدلهای پیشرفته از جمله LSTM، فیسبوک پیامبر و آمازون DeepAR , Download پیشبینی پیشرفته با پایتون: با مدلهای پیشرفته از جمله LSTM، فیسبوک پیامبر و آمازون DeepAR , دانلود پیشبینی پیشرفته با پایتون: با مدلهای پیشرفته از جمله LSTM، فیسبوک پیامبر و آمازون DeepAR , Download Advanced Forecasting with Python: With State-of-the-Art-Models Including LSTMs, FacebookÖs Prophet, and AmazonÖs DeepAR Book , پیشبینی پیشرفته با پایتون: با مدلهای پیشرفته از جمله LSTM، فیسبوک پیامبر و آمازون DeepAR دانلود , buy پیشبینی پیشرفته با پایتون: با مدلهای پیشرفته از جمله LSTM، فیسبوک پیامبر و آمازون DeepAR , خرید کتاب پیشبینی پیشرفته با پایتون: با مدلهای پیشرفته از جمله LSTM، فیسبوک پیامبر و آمازون DeepAR , دانلود کتاب Advanced Forecasting with Python: With State-of-the-Art-Models Including LSTMs, FacebookÖs Prophet, and AmazonÖs DeepAR , کتاب Advanced Forecasting with Python: With State-of-the-Art-Models Including LSTMs, FacebookÖs Prophet, and AmazonÖs DeepAR , دانلود Advanced Forecasting with Python: With State-of-the-Art-Models Including LSTMs, FacebookÖs Prophet, and AmazonÖs DeepAR , خرید Advanced Forecasting with Python: With State-of-the-Art-Models Including LSTMs, FacebookÖs Prophet, and AmazonÖs DeepAR , خرید کتاب Advanced Forecasting with Python: With State-of-the-Art-Models Including LSTMs, FacebookÖs Prophet, and AmazonÖs DeepAR ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.