Прогнозирование временных рядов с помощью Facebook Prophet, ETNA, Sktime и Linkedin Greykite
Описание и характеристики
В качестве примеров прогнозирования используются данные из самых разных областей - уровень углекислого газа в атмосфере, циклы солнечных пятен, количество местных осадков, число лайков в популярных соцсетях и др.
Издание будет интересно специалистам по data science, регулярно решающим задачи с временными рядами. Для изучения материала желателен опыт работы на Python и базовые знания в области машинного обучения.
ID товара
2998625
Издательство
ДМК Пресс
Год издания
2023
ISBN
978-5-93700-212-9
Количество страниц
780
Размер
4.3x17x24
Тип обложки
Твёрдый переплёт
Тираж
100
Вес, г
1360
5 710 ₽
+ до 856 бонусов
Последний экземпляр
В магазины сети, бесплатно
В пятницу, 5 июляАдреса магазинов
Другие способы доставки
Получить сегодня
Отзывы
15 бонусов
за полезный отзыв длиной от 300 символов
15 бонусов
если купили в интернет-магазине «Читай-город»
Оставьте отзыв и получите бонусы
Оставьте первый отзыв и получите за него бонусы.
Это поможет другим покупателям сделать правильный выбор.
Прогнозирование - одна из задач науки о данных, которая является центральной для многих видов деятельности внутри организации. Книга посвящена популярным библиотекам прогнозирования временных рядов Prophet, sktime, ETNA и Greykite. Разбирается математический аппарат и API каждой библиотеки. Показаны примеры решения задач прогнозирования, классификации и кластеризации временных рядов, проиллюстрированы темы конструирования и отбора признаков для временных рядов.
В качестве примеров прогнозирования используются данные из самых разных областей - уровень углекислого газа в атмосфере, циклы солнечных пятен, количество местных осадков, число лайков в популярных соцсетях и др.
Издание будет интересно специалистам по data science, регулярно решающим задачи с временными рядами. Для изучения материала желателен опыт работы на Python и базовые знания в области машинного обучения.
В качестве примеров прогнозирования используются данные из самых разных областей - уровень углекислого газа в атмосфере, циклы солнечных пятен, количество местных осадков, число лайков в популярных соцсетях и др.
Издание будет интересно специалистам по data science, регулярно решающим задачи с временными рядами. Для изучения материала желателен опыт работы на Python и базовые знания в области машинного обучения.