Практический анализ временных рядов, Прогнозирование со статистикой и машинное обучение, Нильсен Э., 2021

Практический анализ временных рядов, Прогнозирование со статистикой и машинное обучение, Нильсен Э., 2021.
 
Эта книга рассчитана на читателей двух категорий. Первая, ощутимо боль­шая, категория — это специалисты по анализу и обработке данных, которым по долгу службы приходится работать с временными рядами, но делают они это не очень часто. Это могут быть как ветераны отрасли, так и начинающие ана­литики. Опытным специалистам материал первых глав покажется знакомым, но это не значит, что им можно пренебречь, — здесь описаны самые современные методы обработки данных и рассмотрены важные особенности управления вре­менными рядами. Аналитикам с небольшим рабочим опытом желательно прора­ботать все без исключения главы книги предельно внимательно, несмотря на их тематическую независимость друг от друга. Вторая категория читателей — руководители отделов по обработке и анализу данных в компаниях с интенсивным внутренним сбором информации. Если вы относитесь к этой группе читателей, то должны быть в курсе технологических решений, применяемых для обработки временных рядов, хотя вам и не прихо­дится заниматься программированием самостоятельно. Для вас эта книга будет полезна тем, что обозначит область применения временных рядов в существую­щих или создаваемых заново алгоритмах сбора и анализа данных. Назначение этой книги — помочь вам разобраться в технологиях, призванных упростить об­ работку существующих ресурсов данных.




Операции группировки.
Во временных рядах, как и в данных, лишенных временных связей, можно выде­лить отдельные группы значений, поэтому перед анализом такие данные можно подвергнуть самым разным операциям группировки. Например, в перекрестных данных операции группировки позволяют определить средние значения для зна­чений возраста, пола или места проживания респондентов. В анализе временных рядов востребованы групповые операции, позволяющие рассчитывать основные статистические показатели наборов, например среднемесячные или недельные медианы. Более того, правильно проведенная группировка значений поможет проанализировать наборы данных, обладающих одновременно не только времен­ными, но и другими типами связей. Например, анализируя медицинский набор данных, вы сможете определить такие важные характеристики, как среднемесяч­ное количество калорий, потребленных пациентами обоих полов, а также среднее за неделю время сна в каждой возрастной группе. Существует большое количе­ство способов использования операций группировки данных для определения связей временных рядов с остальными данными набора.

Оглавление.
Введение.
Глава 1.Временные ряды: обзор и краткая история.
Глава 2.Распознавание и обработка временных рядов.
Глава 3.Методы исследования временных рядов.
Глава 4.Моделирование временных рядов.
Глава 5.Хранение временных рядов.
Глава 6.Статистические модели для временных рядов.
Глава 7.Модели пространства состояний для временных рядов.
Глава 8.Генерация и выбор признаков для временных рядов.
Глава 9.Машинное обучение в анализе временных рядов.
Глава 10.Глубокое обучение для временных рядов.
Глава 11.Оценка ошибок.
Глава 12.Производительность моделей временных рядов.
Глава 13.Медицинские приложения.
Глава 14.Финансовые приложения.
Глава 15.Временные ряды в государственном управлении.
Глава 1б.Пакеты для анализа временных рядов.
Глава 17.Прогнозы о прогнозировании.
Предметный указатель.



Бесплатно скачать электронную книгу в удобном формате, смотреть и читать:
Скачать книгу Практический анализ временных рядов, Прогнозирование со статистикой и машинное обучение, Нильсен Э., 2021 - fileskachat.com, быстрое и бесплатное скачивание.

Скачать pdf
Ниже можно купить эту книгу по лучшей цене со скидкой с доставкой по всей России.Купить эту книгу


Скачать - pdf - Яндекс.Диск.






Хештеги: #Нильсен :: #машинное обучение :: #статистика :: #информатика :: #сбор данных