Descripción
Comienza con los fundamentos de la previsión de series temporales utilizando métodos de modelado estadístico como AR (autorregresivo), MA (media móvil), ARMA (media móvil autorregresiva) y ARIMA (media móvil autorregresiva integrada). A continuación, aprenderá el modelado univariado y multivariado utilizando diferentes paquetes de código abierto como Fbprohet, stats model y sklearn. También obtendrá información sobre modelos de regresión clásicos basados en aprendizaje automático como randomForest, Xgboost y LightGBM para problemas de previsión. El libro concluye demostrando la implementación de modelos de aprendizaje profundo (LSTM y ANN) para la previsión de series de tiempo. Cada capítulo incluye varios ejemplos de código e ilustraciones. Después de terminar este libro, tendrá una comprensión fundamental de varios conceptos relacionados con las series de tiempo y su implementación en Python. Lo que aprenderá
- Implementar varias técnicas en el análisis de series de tiempo usando Python.
- Utilizar métodos de modelado estadístico como AR (autorregresivo), MA (media móvil), ARMA (media móvil autorregresiva) y ARIMA (media móvil autorregresiva integrada) para la previsión de series de tiempo.
- Comprender el modelado univariado y multivariado para la previsión de series de tiempo.
- Pronosticar utilizando técnicas de aprendizaje automático y aprendizaje profundo como GBM y LSTM (memoria a largo y corto plazo).
Autor: Akshay R. Kulkarni, Adarsha Shivananda, Anoosh Kulkarni
Editorial: Apress
Publicado: 24/12/2022
Páginas: 174
Tipo de encuadernación: Tapa blanda
Peso: 0.61 lbs
Tamaño: 9.21 alto x 6.14 ancho x 0.41 profundidad
ISBN13: 9781484289778
ISBN10: 1484289773
Categorías BISAC:
- Informática | Inteligencia Artificial | General
- Informática | Lenguajes | Python
Sobre el autor
Akshay Kulkarni es un evangelista de la IA y el aprendizaje automático (ML) y un líder de pensamiento. Ha asesorado a varias empresas de Fortune 500 y empresas globales para impulsar transformaciones estratégicas impulsadas por la IA y la ciencia de datos. Ha sido honrado como Experto Desarrollador de Google, y es autor y orador habitual en las principales conferencias de IA y ciencia de datos (incluyendo Strata, O'Reilly AI Conf y GIDS). Es profesor visitante en algunos de los principales institutos de posgrado de la India. En 2019, también fue reconocido como uno de los 40 mejores científicos de datos menores de 40 años en la India. En su tiempo libre, le gusta leer, escribir, programar y ayudar a los aspirantes a científicos de datos. Vive en Bangalore con su familia.
Adarsha Shivananda es un líder en ciencia de datos y MLOps. Trabaja en la creación de capacidades MLOps de clase mundial para garantizar la entrega continua de valor de la IA. Su objetivo es construir un grupo de científicos de datos excepcionales dentro y fuera de la organización para resolver problemas a través de programas de capacitación, y siempre quiere estar a la vanguardia. Ha trabajado extensamente en los dominios farmacéutico, de atención médica, de bienes de consumo envasados (CPG), minorista y de marketing. Vive en Bangalore y le encanta leer y enseñar ciencia de datos.
Anoosh Kulkarni es científico de datos y consultor senior de IA. Ha trabajado con clientes globales en múltiples dominios y les ha ayudado a resolver sus problemas comerciales utilizando aprendizaje automático (ML), procesamiento del lenguaje natural (NLP) y aprendizaje profundo. Anoosh es un apasionado de guiar y orientar a las personas en su trayectoria en la ciencia de datos. Dirige reuniones de ciencia de datos/aprendizaje automático y ayuda a los aspirantes a científicos de datos a navegar por sus carreras. También imparte talleres de ML/IA en universidades y participa activamente en la realización de seminarios web, charlas y sesiones sobre IA y ciencia de datos. Vive en Bangalore con su familia.
V Adithya Krishnan es científico de datos e ingeniero de ML Ops. Ha trabajado con varios clientes globales en múltiples dominios y les ha ayudado a resolver sus problemas comerciales utilizando extensamente aplicaciones avanzadas de aprendizaje automático (ML). Tiene experiencia en múltiples campos de la IA-ML, incluyendo la previsión de series de tiempo, aprendizaje profundo, PNL, operaciones de ML, procesamiento de imágenes y análisis de datos. Actualmente, está trabajando en un conjunto de observabilidad de valor de última generación para modelos en producción, que incluye monitoreo continuo de modelos y datos junto con el valor comercial realizado. También publicó un artículo en una conferencia IEEE, "Enfoque basado en aprendizaje profundo para la estimación de rango", escrito en colaboración con el DRDO. Vive en Chennai con su familia.