توضیحات
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
————————————————————–
ترجمه ماشینی :
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 رایجتر شدن نظارت مستمر و جمعآوری دادهها، نیاز به تجزیه و تحلیل سریهای زمانی شایسته 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 می کند متداول ترین چالش های مهندسی و تحلیل داده ها را در سری های زمانی با استفاده از تکنیک های آماری سنتی و مدرن یادگیری ماشین 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:
داده های سری زمانی را بیابید و بحث کنید
تحلیل داده های سری زمانی اکتشافی را انجام دهید
داده های زمانی ذخیره کنید
شبیه سازی داده های سری زمانی
ایجاد و انتخاب ویژگیهای یک سری زمانی
اندازهگیری خطا
پیشبینی و طبقهبندی سریهای زمانی با یادگیری ماشینی یا عمیق
ارزیابی دقت و عملکرد
tag : دانلود کتاب تجزیه و تحلیل سری زمانی عملی: پیش بینی با آمار و یادگیری ماشین , Download تجزیه و تحلیل سری زمانی عملی: پیش بینی با آمار و یادگیری ماشین , دانلود تجزیه و تحلیل سری زمانی عملی: پیش بینی با آمار و یادگیری ماشین , Download Practical time series analysis: prediction with statistics and machine learning Book , تجزیه و تحلیل سری زمانی عملی: پیش بینی با آمار و یادگیری ماشین دانلود , buy تجزیه و تحلیل سری زمانی عملی: پیش بینی با آمار و یادگیری ماشین , خرید کتاب تجزیه و تحلیل سری زمانی عملی: پیش بینی با آمار و یادگیری ماشین , دانلود کتاب Practical time series analysis: prediction with statistics and machine learning , کتاب Practical time series analysis: prediction with statistics and machine learning , دانلود Practical time series analysis: prediction with statistics and machine learning , خرید Practical time series analysis: prediction with statistics and machine learning , خرید کتاب Practical time series analysis: prediction with statistics and machine learning ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.