کتاب Forecasting Time Series Data with Prophet

کتاب Forecasting Time Series Data with Prophet (پیش‌بینی داده‌های سری زمانی با Prophet: ساخت، بهبود و بهینه‌سازی مدل‌های پیش‌بینی سری‌های زمانی با استفاده از ابزار پیش‌بینی پیشرفته متا، نسخه دوم) یک مرجع کامل آموزش سری‌های زمانی و پیاده‌سازی آن با استفاده از چارچوب Prophet می‌باشد.

در ادامه مقدمه‌ای از کتاب Forecasting Time Series Data with Prophet را از زبان نویسنده شرح خواهیم داد.

مقدمه‌ای بر کتاب Forecasting Time Series Data with Prophet:

در سال 2017، فیس‌بوک (متا کنونی) نرم افزار Prophet خود را به صورت متن باز منتشر کرد. این ابزار قدرتمند توسط مهندسان فیس‌بوک توسعه داده شده است زیرا تحلیلگران آن غرق در تعداد پیش‌بینی‌های تجاری مورد نیاز مدیران بودند. توسعه‌دهندگان Prophet می‌خواستند به طور همزمان دو مشکل را حل کنند: 1) تکنیک‌های پیش بینی کاملاً خودکار برای مدیریت دانش اضافی بسیار شکننده و غیر قابل انعطاف هستند و 2) تحلیلگرانی که به طور مداوم قادر به تولید پیش‌بینی‌های با کیفیت بالا هستند نادر هستند و به تخصص گسترده نیاز دارند. Prophet هر دوی این مشکلات را با موفقیت حل کرد.

Prophet به گونه‌ای طراحی شده است که پیش‌بینی‌های تولید شده بدون تنظیم پارامتر یا سایر بهینه‌سازی‌ها معمولاً بسیار با کیفیت هستند. با این وجود، تنها با کمی آموزش، هر کسی می‌تواند به طور مستقیم مدل را تغییر دهد و عملکرد را به طور چشمگیری افزایش دهد.

کتاب Forecasting Time Series Data with Prophet با شروع از ابتدایی‌ترین مدل‌ها و پیشبرد تا عمیق‌ترین غواصی‌های فنی در درونیات Prophet، همه چیزهایی را که درباره Prophet می‌دانید به شما می‌آموزد. بسیاری از ویژگی‌های پیشرفته که حتی در اسناد رسمی پوشش داده نمی‌شوند، در اینجا با نمونه‌های کاری کامل برای هر موضوعی که پوشش داده شده است، مورد بحث قرار می‌گیرند. این کتاب قصد ندارد توانایی ساخت کلون Prophet را از ابتدا در اختیار شما قرار دهد، اما به شما می‌آموزد که چگونه از Prophet استفاده کنید، اگر نگوییم بهتر از مهندسان بسیار آموزش دیده خود متا.

در سال‌های پس از انتشار اولین ویرایش کتاب Forecasting Time Series Data with Prophet، جهان به طرز چشمگیری تغییر کرده است. همه‌گیری جهانی کووید، پیش‌بینی‌های هر پیش‌بینی‌کننده را مختل کرد، و همه ما هنوز در حال تلاش برای یادگیری نحوه پیش‌بینی در این دنیای جدید هستیم.

ویرایش دوم کتاب Forecasting Time Series Data with Prophet شامل به روز رسانی در مورد درک ما از نحوه پیش‌بینی در طول این نوع رویدادهای غیرمنتظره است.

علاوه بر این، از اولین نسخه، Prophet به روز رسانی‌های زیادی را دیده است، از جمله فارغ‌التحصیلی از وضعیت بتا و انتشار نسخه رسمی 1! ما هر بخش و بلوک کد را در این ویرایش دوم با تمام ویژگی‌ها و تغییرات جدید Prophet از زمان انتشار نسخه اول به روز کرده ایم.

تیم‌های علم داده چندین شرکت دیگر نیز در سال‌های اخیر بسته‌های پیش‌بینی خود را منبع باز کرده‌اند، و ما بحث جدیدی از NeuralProphet، LinkedIn’s Greykite، و Uber’s Orbit و نقاط قوت و ضعف آن‌ها را در مقایسه با Prophet آورده‌ایم. به دلیل بازخورد دلگرم کننده بسیاری از خوانندگان نسخه اول، ما یک فصل کاملاً جدید درباره ریاضیات پشت سر Prophet نوشته ایم. این فصل جدید به شما درک غنی‌تری از نحوه ایجاد بهترین پیش‌بینی‌ها برای دامنه خود می‌دهد و دانشی را ارائه می‌دهد تا به ذینفعان توضیح دهید که دقیقاً چگونه پیش‌بینی‌های شما ایجاد شده است.

این نسخه دوم یک به روز رسانی بزرگ نسبت به نسخه اول است و من نمی‌توانم منتظر بمانم تا از همه شما در مورد کار پیش بینی شما بشنوم!

کتاب Forecasting Time Series Data with Prophet برای چه کسی است؟

این کتاب برای مدیران کسب و کار، دانشمندان داده، تحلیلگران داده، مهندسین یادگیری ماشین و مهندسین نرم افزار است که می‌خواهند پیش‌بینی‌های سری زمانی را در پایتون یا R بسازند. برای استفاده حداکثری از این کتاب، باید درک اولیه ای از سری‌های زمانی داشته باشید. داده و قادر به تمایز آن از انواع دیگر داده‌ها باشد. دانش اولیه تکنیک‌های پیش بینی امتیاز محسوب می‌شود.

آنچه کتاب Forecasting Time Series Data with Prophet پوشش می‌دهد:

فصل 1، تاریخچه و توسعه پیش‌بینی سری‌های زمانی، اولین تلاش‌ها برای درک داده‌های سری زمانی و پیشرفت‌های الگوریتمی اصلی تا به امروز را به شما آموزش می‌دهد.

فصل 2، شروع به کار با Prophet، شما را در فرآیند اجرای Prophet بر روی دستگاهتان راهنمایی می‌کند و سپس نصب شما را با ساختن اولین مدل آزمایش می‌کند.

فصل 3 کتاب Forecasting Time Series Data with Prophet، چگونه Prophet کار می‌کند، بحث خواهد کرد که چرا فیس بوک (اکنون متا) تصمیم گرفت بسته پیش بینی خود را بسازد و چگونه فلسفه پیش بینی تحلیلگر در حلقه در مورد Prophet اعمال می‌شود. در این فصل همچنین معادلات ریاضی زیربنای الگوریتم‌های پیش بینی در Prophet ارائه خواهد شد.

فصل 4 کتاب Forecasting Time Series Data with Prophet، مدیریت داده‌های غیر روزانه، نحوه اصلاح رویکرد اتخاذ شده در فصل 2، شروع به کار با Prophet، به منظور رسیدگی به داده‌هایی که در مقیاسی غیر از روزانه ثبت می‌شوند را پوشش می‌دهد تا شما برای کار آماده شوید. از طریق تمام مثال‌های فصل‌های بعدی.

فصل 5، کار با فصلی بودن، تمام راه‌های کنترل فصلی بودن در Prophet را مورد بحث قرار می‌دهد. فصلی بودن یکی از اجزای سازنده مدل‌های Prophet است و بیشترین پارامترهای کنترلی را در خود دارد، بنابراین این فصل طولانی‌ترین و در عین حال یکی از مهمترین آنها است.

فصل 6 کتاب Forecasting Time Series Data with Prophet، پیش بینی اثرات تعطیلات، به شما آموزش می‌دهد که چگونه تأثیر تعطیلات را به پیش بینی خود اضافه کنید. شما یاد خواهید گرفت که چگونه یک مجموعه اولیه از تعطیلات پیش فرض را اضافه کنید، چگونه آن مجموعه را برای مناطق مختلف تغییر دهید، چگونه تعطیلات سفارشی خود را اضافه کنید، و چگونه قدرت افکت را کنترل کنید.

فصل 7، کنترل حالت‌های رشد، سه حالت رشد را که یک خط روند در Prophet می‌تواند دنبال کند، شرح می‌دهد: خطی، لجستیک و مسطح. شما یاد خواهید گرفت که این حالت‌ها را برای چه سناریوهایی اعمال کنید و مشاهده خواهید کرد که چه تاثیری بر پیش‌بینی‌های آینده شما دارند.

در فصل 8، تأثیرگذاری بر نقاط تغییر روند، در مورد چگونگی کنترل صلبیت مدل نهایی صحبت خواهد شد. شما یاد خواهید گرفت که چگونه یک مدل انعطاف پذیر بسازید که می‌تواند غالباً جهت را تغییر دهد یا یک مدل سفت و سخت که از یک خط ثابت پیروی می‌کند، چرا ممکن است یکی یا دیگری را انتخاب کنید، و در مورد تأثیر این موضوع بر عدم قطعیت استفاده از مدل شما در داده‌های آینده.

فصل 9 کتاب Forecasting Time Series Data with Prophet، شامل رگرسیون‌های اضافی، به شما آموزش می‌دهد که چگونه ستون‌های اضافی از داده‌ها را در مدل خود بگنجانید. مشابه رگرسیون چند متغیره، Prophet قادر است چندین بردار ورودی را در یک پیش بینی پیش بینی ترکیب کند.

فصل 10، حسابداری نقاط پرت و رویدادهای خاص، دو نوع مشکلی را که پرت می‌تواند در مدل Prophet ایجاد کند را به شما نشان می‌دهد و چندین تکنیک خودکار برای شناسایی نقاط پرت و نحوه رسیدگی به آنها با Prophet را به شما آموزش می‌دهد.

فصل 11، مدیریت فواصل عدم قطعیت، چگونگی تعیین کمیت عدم قطعیت در مدل خود را با استفاده از روش‌های آماری مختلف، مزایا و معایب هر روش و نحوه تجسم میزان ریسک در مدل را پوشش می‌دهد.

فصل 12 کتاب Forecasting Time Series Data with Prophet، انجام اعتبار متقاطع، نحوه انجام اعتبار متقاطع در Prophet را به شما آموزش می‌دهد. ممکن است قبلاً با تکنیک‌های اعتبارسنجی متقابل در یادگیری ماشین آشنایی داشته باشید، اما با داده‌های سری زمانی، رویکرد متفاوتی مورد نیاز است. این فصل به شما این رویکرد و نحوه اجرای آن را در Prophet آموزش می‌دهد.

فصل 13، ارزیابی معیارهای عملکرد، بر اساس فصل قبل استوار است و معیارهای عملکرد ویژگی‌های Prophet را معرفی می‌کند. شما یاد خواهید گرفت که چگونه اعتبار متقاطع را با معیار عملکرد انتخابی خود ترکیب کنید تا یک جستجوی شبکه ای انجام دهید و مدل خود را برای به دست آوردن بالاترین دقت پیش بینی بهینه سازی کنید.

فصل 14 کتاب Forecasting Time Series Data with Prophet، تولید Prophet، فصل پایانی است و چند تکنیک اضافی را به شما آموزش می‌دهد که هنگام استفاده از Prophet در محیط تولید به کارتان می‌آید. شما یاد خواهید گرفت که چگونه مدل‌های خود را برای استفاده‌های بعدی ذخیره کنید، چگونه مدل‌ها را با ورود داده‌های جدید به روز کنید، و چگونه از توابع نمودار Plotly Prophet برای ساخت نمودارهای بسیار تعاملی مناسب برای اشتراک گذاری در داشبورد مبتنی بر وب استفاده کنید.

سرفصل‌های کتاب Forecasting Time Series Data with Prophet:

• Forecasting Time Series Data with Prophet
• Contributors
• About the author
• Preface
• Part 1: Getting Started with Prophet
  • Chapter 1: The History and Development of Time Series Forecasting
  • Chapter 2: Getting Started with Prophet
  • Chapter 3: How Prophet Works
• Part 2: Seasonality, Tuning, and Advanced Features
  • Chapter 4: Handling Non-Daily Data
  • Chapter 5: Working with Seasonality
  • Chapter 6: Forecasting Holiday Effects
  • Chapter 7: Controlling Growth Modes
  • Chapter 8: Influencing Trend Changepoints
  • Chapter 9: Including Additional Regressors
  • Chapter 10: Accounting for Outliers and Special Events
  • Chapter 11: Managing Uncertainty Intervals
• Part 3: Diagnostics and Evaluation
  • Chapter 12: Performing Cross-Validation
  • Chapter 13: Evaluating Performance Metrics
  • Chapter 14: Productionalizing Prophet
• Index
• Other Books You May Enjoy

جهت دانلود کتاب Forecasting Time Series Data with Prophet می‌توانید پس از پرداخت، دریافت کنید.