دانلود کتاب Hands-On Time Series Analysis With R: Perform Time Series Analysis And Forecasting Using R – تجزیه و تحلیل سری های زمانی دستی با R: انجام تجزیه و تحلیل سری های زمانی و پیش بینی با استفاده از R

توضیحات

Build efficient forecasting models using traditional time series models and machine learning algorithms. Key Features Perform time series analysis and forecasting using R packages such as Forecast and h2o Develop models and find patterns to create visualizations using the TSstudio and plotly packages Master statistics and implement time-series methods using examples mentioned Book Description Time series analysis is the art of extracting meaningful insights from, and revealing patterns in, time series data using statistical and data visualization approaches. These insights and patterns can then be utilized to explore past events and forecast future values in the series. This book explores the basics of time series analysis with R and lays the foundations you need to build forecasting models. You will learn how to preprocess raw time series data and clean and manipulate data with packages such as stats, lubridate, xts, and zoo. You will analyze data and extract meaningful information from it using both descriptive statistics and rich data visualization tools in R such as the TSstudio, plotly, and ggplot2 packages. The later section of the book delves into traditional forecasting models such as time series linear regression, exponential smoothing (Holt, Holt-Winter, and more) and Auto-Regressive Integrated Moving Average (ARIMA) models with the stats and forecast packages. You’ll also cover advanced time series regression models with machine learning algorithms such as Random Forest and Gradient Boosting Machine using the h2o package. By the end of this book, you will have the skills needed to explore your data, identify patterns, and build a forecasting model using various traditional and machine learning methods. What you will learn Visualize time series data and derive better insights Explore auto-correlation and master statistical techniques Use time series analysis tools from the stats, TSstudio, and forecast packages Explore and identify seasonal and correlation patterns Work with different time series formats in R Explore time series models such as ARIMA, Holt-Winters, and more Evaluate high-performance forecasting solutions Who this book is for Hands-On Time Series Analysis with R is ideal for data analysts, data scientists, and all R developers who are looking to perform time series analysis to predict outcomes effectively. A basic knowledge of statistics is required; some knowledge in R is expected, but not mandatory.

————————————————————–

ترجمه ماشینی :

با استفاده از مدل‌های سری زمانی سنتی و الگوریتم‌های یادگیری ماشین، مدل‌های پیش‌بینی کارآمد بسازید. ویژگی‌های کلیدی انجام تحلیل و پیش‌بینی سری‌های زمانی با استفاده از بسته‌های R مانند Forecast و h2o توسعه مدل‌ها و یافتن الگوها برای ایجاد تجسم با استفاده از TSstudio و بسته‌های نموداری آمار کارشناسی ارشد و پیاده‌سازی روش‌های سری زمانی با استفاده از مثال‌های ذکر شده کتاب شرح کتاب تحلیل سری‌های زمانی هنر است. استخراج بینش معنی‌دار از داده‌های سری زمانی و آشکارسازی الگوها با استفاده از روش‌های آماری و تجسم داده‌ها. سپس می توان از این بینش ها و الگوها برای کشف رویدادهای گذشته و پیش بینی ارزش های آینده در مجموعه استفاده کرد. این کتاب اصول تحلیل سری های زمانی با R را بررسی می کند و پایه هایی را که برای ساختن مدل های پیش بینی نیاز دارید، می گذارد. شما یاد خواهید گرفت که چگونه داده های سری زمانی خام را پیش پردازش کنید و داده ها را با بسته هایی مانند آمار، lubridate، xts و zoo پاکسازی و دستکاری کنید. شما داده ها را تجزیه و تحلیل کرده و با استفاده از آمار توصیفی و ابزارهای تجسم داده های غنی در R مانند بسته های TSstudio، plotly و ggplot2 از آنها اطلاعات معناداری استخراج خواهید کرد. بخش بعدی کتاب به مدل‌های پیش‌بینی سنتی مانند رگرسیون خطی سری‌های زمانی، هموارسازی نمایی (Holt، Holt-Winter و موارد دیگر) و مدل‌های میانگین متحرک یکپارچه بازگشتی خودکار (ARIMA) با آمار و بسته‌های پیش‌بینی می‌پردازد. همچنین مدل‌های رگرسیون سری زمانی پیشرفته را با الگوریتم‌های یادگیری ماشینی مانند Random Forest و Gradient Boosting Machine با استفاده از بسته h2o پوشش خواهید داد. در پایان این کتاب، شما مهارت های لازم برای کشف داده های خود، شناسایی الگوها و ساخت یک مدل پیش بینی را با استفاده از روش های مختلف سنتی و یادگیری ماشینی خواهید داشت. آنچه یاد خواهید گرفت تجسم داده های سری زمانی و بدست آوردن بینش بهتر کاوش همبستگی خودکار و تسلط بر تکنیک های آماری استفاده از ابزارهای تجزیه و تحلیل سری های زمانی از آمار، TSstudio و بسته های پیش بینی کاوش و شناسایی الگوهای فصلی و همبستگی کار با قالب های سری زمانی مختلف در R Explore مدل‌های سری زمانی مانند ARIMA، Holt-Winters و غیره ارزیابی راه‌حل‌های پیش‌بینی با کارایی بالا این کتاب برای چه کسانی است. تجزیه و تحلیل سری های زمانی برای پیش بینی نتایج به طور موثر. دانش اولیه آمار مورد نیاز است. مقداری دانش در R مورد انتظار است، اما اجباری نیست.

tag : دانلود کتاب تجزیه و تحلیل سری های زمانی دستی با R: انجام تجزیه و تحلیل سری های زمانی و پیش بینی با استفاده از R , Download تجزیه و تحلیل سری های زمانی دستی با R: انجام تجزیه و تحلیل سری های زمانی و پیش بینی با استفاده از R , دانلود تجزیه و تحلیل سری های زمانی دستی با R: انجام تجزیه و تحلیل سری های زمانی و پیش بینی با استفاده از R , Download Hands-On Time Series Analysis With R: Perform Time Series Analysis And Forecasting Using R Book , تجزیه و تحلیل سری های زمانی دستی با R: انجام تجزیه و تحلیل سری های زمانی و پیش بینی با استفاده از R دانلود , buy تجزیه و تحلیل سری های زمانی دستی با R: انجام تجزیه و تحلیل سری های زمانی و پیش بینی با استفاده از R , خرید کتاب تجزیه و تحلیل سری های زمانی دستی با R: انجام تجزیه و تحلیل سری های زمانی و پیش بینی با استفاده از R , دانلود کتاب Hands-On Time Series Analysis With R: Perform Time Series Analysis And Forecasting Using R , کتاب Hands-On Time Series Analysis With R: Perform Time Series Analysis And Forecasting Using R , دانلود Hands-On Time Series Analysis With R: Perform Time Series Analysis And Forecasting Using R , خرید Hands-On Time Series Analysis With R: Perform Time Series Analysis And Forecasting Using R , خرید کتاب Hands-On Time Series Analysis With R: Perform Time Series Analysis And Forecasting Using R ,