خرید و دانلود نسخه کامل کتاب Practical time series analysis: master time series data processing, visualization, and modeling using Python
131,000 تومان قیمت اصلی 131,000 تومان بود.100,000 تومانقیمت فعلی 100,000 تومان است.
تعداد فروش: 53
| عنوان فارسی |
تجزیه و تحلیل عملی سری زمانی: پردازش داده های سری زمانی، تجسم و مدل سازی با استفاده از پایتون |
|---|---|
| عنوان اصلی | Practical time series analysis: master time series data processing, visualization, and modeling using Python |
| ناشر | Packt Publishing |
| نویسنده | Avishek Pal, PKS Prakash |
| ISBN | 1788290224, 9781788294195 |
| سال نشر | 2017 |
| زبان | English |
| تعداد صفحات | 238 |
| دسته | آمار ریاضی |
| فرمت کتاب | pdf – قابل تبدیل به سایر فرمت ها |
| حجم فایل | 12 مگابایت |
آنتونی رابینز میگه : من در 40 سالگی به جایی رسیدم که برای رسیدن بهش 82 سال زمان لازمه و این رو مدیون کتاب خواندن زیاد هستم.
توضیحاتی در مورد کتاب
تجزیه و تحلیل سری زمانی به ما امکان می دهد داده هایی را که در یک دوره زمانی تولید می شوند و وابستگی متقابل متوالی بین مشاهدات دارند، تجزیه و تحلیل کنیم. این کتاب ترفندها و تکنیکهای ریاضی ویژهای را شرح میدهد که برای کاوش در ساختارهای داخلی دادههای سری زمانی و ایجاد بینشهای توصیفی و پیشبینی قدرتمند طراحی شدهاند. همچنین، کتاب مملو از نمونههای واقعی سریهای زمانی و تحلیلهای آنها با استفاده از راهحلهای پیشرفته توسعهیافته در پایتون است.
این کتاب با تجزیه و تحلیل توصیفی شروع می شود تا تجسم های روشنگری از ساختارهای داخلی مانند روند، فصلی و خودهمبستگی ایجاد کند. در ادامه، روش های آماری مقابله با همبستگی خودکار و سری های زمانی غیر ایستا تشریح می شود. این امر با هموارسازی نمایی دنبال میشود تا بینش معنیداری از دادههای سری زمانی پر سر و صدا ایجاد کند. در این مرحله، ما تمرکز را به سمت تحلیل پیشبینی تغییر میدهیم و مدلهای خودرگرسیون مانند ARMA و ARIMA را برای پیشبینی سریهای زمانی معرفی میکنیم. بعداً، روشهای یادگیری عمیق قدرتمند برای توسعه مدلهای پیشبینی دقیق برای سریهای زمانی پیچیده و در دسترس بودن دانش کمی از حوزه ارائه میشوند. همه موضوعات با سناریوهای مشکلات زندگی واقعی و راهحلهای آنها توسط بهترین پیادهسازی در پایتون نشان داده شدهاند.
این کتاب با ضمیمه، با بحث مختصری در مورد برنامه نویسی و حل مسائل علم داده با استفاده از پایتون به پایان می رسد.
آنچه شما یاد خواهید گرفت
• مفاهیم اساسی تجزیه و تحلیل سری های زمانی را درک کنید و از اهمیت آن برای موفقیت یک پروژه علم داده قدردانی کنید
• درکی از بارگذاری، کاوش و تجسم داده های سری زمانی ایجاد کنید
• همبستگی خودکار را کاوش کنید و دانش تکنیک های آماری را برای مقابله با سری های زمانی غیرایستایی به دست آورید.
• از مزیت هموارسازی نمایی برای مقابله با نویز در داده های سری زمانی استفاده کنید
• نحوه استفاده از مدل های رگرسیون خودکار برای پیش بینی با استفاده از داده های سری زمانی را بیاموزید
• ساخت مدل های پیش بینی بر روی سری های زمانی با استفاده از تکنیک های مبتنی بر میانگین متحرک رگرسیون خودکار
• پیشرفت های اخیر در یادگیری عمیق را برای ایجاد مدل های پیش بینی دقیق برای سری های زمانی کشف کنید
• با اصول اولیه پایتون به عنوان یک زبان برنامه نویسی قدرتمند و در عین حال ساده برای نوشتن آشنا شوید

نقد و بررسیها
هنوز بررسیای ثبت نشده است.