توضیحات
Become proficient in deriving insights from time-series data and analyzing a models performance
Key Features
Explore popular and modern machine learning methods including the latest online and deep learning algorithms
Learn to increase the accuracy of your predictions by matching the right model with the right problem
Master time-series via real-world case studies on operations management, digital marketing, finance, and healthcare
Book Description
Machine learning has emerged as a powerful tool to understand hidden complexities in time-series datasets, which frequently need to be analyzed in areas as diverse as healthcare, economics, digital marketing, and social sciences. These datasets are essential for forecasting and predicting outcomes or for detecting anomalies to support informed decision making.
This book covers Python basics for time-series and builds your understanding of traditional autoregressive models as well as modern non-parametric models. You will become confident with loading time-series datasets from any source, deep learning models like recurrent neural networks and causal convolutional network models, and gradient boosting with feature engineering.
Machine Learning for Time-Series with Python explains the theory behind several useful models and guides you in matching the right model to the right problem. The book also includes real-world case studies covering weather, traffic, biking, and stock market data.
By the end of this book, you will be proficient in effectively analyzing time-series datasets with machine learning principles.
What you will learn
Understand the main classes of time-series and learn how to detect outliers and patterns
Choose the right method to solve time-series problems
Characterize seasonal and correlation patterns through autocorrelation and statistical techniques
Get to grips with time-series data visualization
Understand classical time-series models like ARMA and ARIMA
Implement deep learning models like Gaussian processes and transformers and state-of-the-art machine learning models
Become familiar with many libraries like prophet, xgboost, and TensorFlow
Who This Book Is For
This book is ideal for data analysts, data scientists, and Python developers who are looking to perform time-series analysis to effectively predict outcomes. Basic knowledge of the Python language is essential. Familiarity with statistics is desirable.
————————————————————–
ترجمه ماشینی :
در استخراج بینش از دادههای سری زمانی و تجزیه و تحلیل عملکرد مدلها ماهر شوید \ ویژگیهای کلیدی روشهای یادگیری ماشینی محبوب و مدرن از جمله جدیدترین الگوریتمهای یادگیری آنلاین و عمیق را کاوش کنید یاد بگیرید که دقت پیشبینیهای خود را با تطبیق مدل مناسب با مشکل درست سریهای زمانی اصلی از طریق مطالعات موردی در دنیای واقعی در مدیریت عملیات، بازاریابی دیجیتال، امور مالی و مراقبتهای بهداشتی \ شرح کتاب یادگیری ماشینی به عنوان ابزاری قدرتمند برای درک پیچیدگیهای پنهان در مجموعه دادههای سری زمانی پدیدار شده است که اغلب باید در حوزههای متنوعی مانند مراقبتهای بهداشتی، اقتصاد، بازاریابی دیجیتال و علوم اجتماعی تحلیل شود. این مجموعه داده ها برای پیش بینی و پیش بینی نتایج یا برای تشخیص ناهنجاری ها برای حمایت از تصمیم گیری آگاهانه ضروری هستند. این کتاب اصول پایتون را برای سریهای زمانی پوشش میدهد و درک شما را از مدلهای اتورگرسیو سنتی و همچنین مدلهای ناپارامتریک مدرن ایجاد میکند. با بارگیری مجموعههای داده سری زمانی از هر منبعی، مدلهای یادگیری عمیق مانند شبکههای عصبی مکرر و مدلهای شبکه کانولوشنی علّی، و افزایش گرادیان با مهندسی ویژگی، مطمئن خواهید شد. یادگیری ماشین برای سری های زمانی با پایتون تئوری پشت چندین مدل مفید را توضیح می دهد و شما را در تطبیق مدل مناسب با مسئله مناسب راهنمایی می کند. این کتاب همچنین شامل مطالعات موردی در دنیای واقعی است که اطلاعات آب و هوا، ترافیک، دوچرخه سواری و بازار سهام را پوشش می دهد. در پایان این کتاب، شما در تجزیه و تحلیل موثر مجموعه داده های سری زمانی با اصول یادگیری ماشین مهارت خواهید داشت. آنچه یاد خواهید گرفت کلاس های اصلی سری های زمانی را درک کنید و یاد بگیرید چگونه نقاط پرت و الگوها را تشخیص ده
tag : دانلود کتاب یادگیری ماشین برای سری های زمانی با پایتون: پیش بینی، پیش بینی و تشخیص ناهنجاری ها با روش های پیشرفته یادگیری ماشین , Download یادگیری ماشین برای سری های زمانی با پایتون: پیش بینی، پیش بینی و تشخیص ناهنجاری ها با روش های پیشرفته یادگیری ماشین , دانلود یادگیری ماشین برای سری های زمانی با پایتون: پیش بینی، پیش بینی و تشخیص ناهنجاری ها با روش های پیشرفته یادگیری ماشین , Download Machine Learning for Time-Series with Python: Forecast, predict, and detect anomalies with state-of-the-art machine learning methods Book , یادگیری ماشین برای سری های زمانی با پایتون: پیش بینی، پیش بینی و تشخیص ناهنجاری ها با روش های پیشرفته یادگیری ماشین دانلود , buy یادگیری ماشین برای سری های زمانی با پایتون: پیش بینی، پیش بینی و تشخیص ناهنجاری ها با روش های پیشرفته یادگیری ماشین , خرید کتاب یادگیری ماشین برای سری های زمانی با پایتون: پیش بینی، پیش بینی و تشخیص ناهنجاری ها با روش های پیشرفته یادگیری ماشین , دانلود کتاب Machine Learning for Time-Series with Python: Forecast, predict, and detect anomalies with state-of-the-art machine learning methods , کتاب Machine Learning for Time-Series with Python: Forecast, predict, and detect anomalies with state-of-the-art machine learning methods , دانلود Machine Learning for Time-Series with Python: Forecast, predict, and detect anomalies with state-of-the-art machine learning methods , خرید Machine Learning for Time-Series with Python: Forecast, predict, and detect anomalies with state-of-the-art machine learning methods , خرید کتاب Machine Learning for Time-Series with Python: Forecast, predict, and detect anomalies with state-of-the-art machine learning methods ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.