Descripción
Domine la obtención de información a partir de datos de series temporales y el análisis del rendimiento de un modelo
Características clave:
- Explore métodos de aprendizaje automático populares y modernos, incluidos los últimos algoritmos de aprendizaje profundo y en línea
- Aprenda a aumentar la precisión de sus predicciones haciendo coincidir el modelo correcto con el problema correcto
- Domine las series de tiempo a través de estudios de casos del mundo real sobre gestión de operaciones, marketing digital, finanzas y atención médica
Descripción del libro:
El aprendizaje automático ha surgido como una herramienta poderosa para comprender las complejidades ocultas en los conjuntos de datos de series de tiempo, que con frecuencia necesitan ser analizados en áreas tan diversas como la atención médica, la economía, el marketing digital y las ciencias sociales. Estos conjuntos de datos son esenciales para pronosticar y predecir resultados o para detectar anomalías para apoyar la toma de decisiones informadas.
Este libro cubre los fundamentos de Python para series de tiempo y desarrolla su comprensión de los modelos autorregresivos tradicionales, así como de los modelos no paramétricos modernos. Tendrá confianza con la carga de conjuntos de datos de series de tiempo de cualquier fuente, modelos de aprendizaje profundo como redes neuronales recurrentes y modelos de redes convolucionales causales, y el aumento de gradiente con ingeniería de características.
Aprendizaje automático para series de tiempo con Python explica la teoría detrás de varios modelos útiles y lo guía para hacer coincidir el modelo correcto con el problema correcto. El libro también incluye estudios de casos del mundo real que cubren datos meteorológicos, de tráfico, de ciclismo y del mercado de valores.
Al final de este libro, será experto en analizar eficazmente conjuntos de datos de series de tiempo con principios de aprendizaje automático.
Lo que aprenderá:
- Comprenda las principales clases de series de tiempo y aprenda a detectar valores atípicos y patrones
- Elija el método correcto para resolver problemas de series de tiempo
- Caracterice patrones estacionales y de correlación a través de la autocorrelación y técnicas estadísticas
- Familiarícese con la visualización de datos de series de tiempo
- Comprenda los modelos clásicos de series de tiempo como ARMA y ARIMA
- Implemente modelos de aprendizaje profundo como procesos gaussianos y transformadores y modelos de aprendizaje automático de última generación
- Familiarícese con muchas bibliotecas como prophet, xgboost y TensorFlow
Para quién es este libro:
Este libro es ideal para analistas de datos, científicos de datos y desarrolladores de Python que buscan realizar análisis de series de tiempo para predecir resultados de manera efectiva. Es esencial tener conocimientos básicos del lenguaje Python. Es deseable tener familiaridad con las estadísticas.
Autor: Ben Auffarth
Editorial: Packt Publishing
Publicado: 29/10/2021
Páginas: 370
Tipo de encuadernación: Tapa blanda
Peso: 1.40lbs
Tamaño: 9.25h x 7.50w x 0.77d
ISBN13: 9781801819626
ISBN10: 1801819629
Categorías BISAC:
- Computadoras | Ciencia de datos | Modelado y diseño de datos
- Computadoras | Inteligencia artificial | General
- Computadoras | Lenguajes | Python
Este título no es retornable