کتاب Time Series for Data Science: Analysis and Forecasting (سری زمانی برای علم داده: تجزیه و تحلیل و پیش‌بینی) از جامع‌ترین کتاب‌های آموزش علوم داده است که در مبحث سری‌های زمانی و کاربرد آنها منتشر شده است. این کتاب در 11 فصل به مدل‌ها و کاربردهای سری زمانی در علوم داده خواهد پرداخت.
در ادامه مقدمه‌ای از کتاب Time Series for Data Science: Analysis and Forecasting را از زبان نویسنده شرح خواهیم داد.
مقدمه‌ای بر کتاب Time Series for Data Science: Analysis and Forecasting:
ما معتقدیم که این یک کتاب درسی واقعاً منحصر به فرد برای آموزش سری‌های زمانی مقدماتی است و احساس می‌کنیم برای سطح کارشناسی ارشد و دانشجویان کارشناسی در علوم داده، آمار، ریاضیات، اقتصاد، امور مالی، برنامه‌های MBA و هر یک از علوم مناسب است. محتوای این کتاب از دوره‌های سری زمانی تهیه شده است که توسط نویسندگان در دو برنامه کارشناسی ارشد کاربردی در دانشگاه متودیست جنوبی تدریس می‌شود: یک برنامه آمار کاربردی / تجزیه و تحلیل داده‌ها در بخش علوم آماری و یک کارشناسی ارشد آنلاین علوم در علوم داده.
هدف ما
هدف این متن ارائه مقدمه‌ای قابل فهم و “دوستانه” به دانش‌آموزان با تحلیل سری‌های زمانی است که به آنها درک اساسی از تحلیل سری‌های زمانی ارائه می‌دهد و آنها را با طیف گسترده ای از ابزارهایی که می‌توانند در تجزیه و تحلیل از آنها استفاده کنند مجهز می‌کند. داده‌های سری زمانی در حرفه آنها تجربه ما این است که در دستیابی به این اهداف موفق بوده ایم. ما یاد گرفته ایم که چگونه به طور مؤثر به این مخاطبان خطاب کنیم.
بسیاری از دانش‌آموزان از این دوره خارج شده‌اند و شروع به استفاده از ابزارهای این کتاب برای تجزیه و تحلیل داده‌های سری زمانی «در حین کار» کرده‌اند. ما بازخوردهای دلگرم‌کننده ای از دانشجویان، اساتید و پزشکان دریافت کرده ایم. ما در مورد ارزشی که شما نیز خواهید یافت هیجان‌زده هستیم!
موضوعات تحت پوشش
کتاب Time Series for Data Science: Analysis and Forecasting موضوعات مختلف مربوط به سری‌های زمانی را پوشش می‌دهد. ما کل فصل 1 را به بحث در مورد مجموعه داده‌های سری زمانی، چیستی آنها، رفتارهای مشخصه ای که اغلب در داده‌های سری زمانی مشاهده می‌شود، مکان یافتن و دسترسی به چنین داده‌ها، و همچنین روش‌های بحث و جدل و پاکسازی داده‌های سری زمانی اختصاص می‌دهیم. به این معنا که ما در این فصل تحلیل را مورد بحث قرار نمی‌دهیم، فقط داده‌ها را مورد بحث قرار می‌دهیم.
همچنین مبانی استفاده از بسته نرم افزاری آماری R و به ویژه بسته سری زمانی CRAN tswge را معرفی می‌کنیم. فصل 2 موضوعاتی مانند هموارسازی داده‌ها، تجزیه داده‌ها، تعدیل فصلی، هموارسازی نمایی و پیش بینی Holt-Winters را پوشش می‌دهد. فصل 3 یک مقدمه منحصر به فرد برای مفاهیم اساسی آماری، بحث در مورد تفاوت بین یک نمونه تصادفی ساده و تحقق سری زمانی، چرا همبستگی می‌تواند “دوست ما باشد” و مقدمه‌ای بر سری‌های زمانی ثابت است.
فصل 4 کتاب Time Series for Data Science: Analysis and Forecasting مقدمه‌ای مختصر و قابل فهم برای حوزه فرکانس ارائه می‌دهد. حوزه فرکانس زمانی که ما داده‌ها را درک و تجزیه و تحلیل می‌کنیم، استفاده می‌شود، بنابراین در اوایل کتاب قرار می‌گیرد. فصل‌های 5 و 6 مدل‌سازی ARMA را شامل می‌شود، از جمله موضوعاتی مانند جدول فاکتور برای درک اجزای اساسی مدل، شناسایی مدل، تخمین پارامتر و پیش‌بینی.
فصل 7 کتاب Time Series for Data Science: Analysis and Forecasting به تحلیل سری‌های زمانی غیر ثابت با استفاده از مدل‌های ARIMA، فصلی و ARCH/GARCH می‌پردازد، در حالی که فصل 8 نگاهی منحصر به فرد و عملی به رگرسیون سری زمانی همراه با ویژگی‌ها و کمبودهای آن ارائه می‌دهد.
مطالعات موردی در فصل 9 ارائه شده است و شامل تجزیه و تحلیل دمای جهانی و داده‌های لکه‌های خورشیدی است. فصل 10 گنجاندن اطلاعات خارجی را با ارائه موضوعات چند متغیره از جمله رگرسیون چندگانه با خطاهای همبسته و مدل VAR برای مدل‌سازی و پیش‌بینی داده‌های سری زمانی چند متغیره تسهیل می‌کند. در نهایت، فصل 11 پوشش واضحی از روش‌های یادگیری عمیق/شبکه‌های عصبی رو به افزایش برای تجزیه و تحلیل داده‌های سری زمانی ارائه می‌کند.
سرفصل‌های کتاب Time Series for Data Science: Analysis and Forecasting:
- Cover
- Half Title
- Series Page
- Title Page
- Copyright Page
- Dedication
- Table of Contents
- Preface
- Acknowledgments
- Authors
- 1 Working with Data Collected Over Time
- 2 Exploring Time Series Data
- 3 Statistical Basics for Time Series Analysis
- 4 The Frequency Domain
- 5 ARMA Models
- 6 ARMA Fitting and Forecasting
- 7 ARIMA and Seasonal Models
- 8 Time Series Regression
- 9 Model Assessment
- 10 Multivariate Time Series
- 11 Deep Neural Network-Based Time Series Models
- References
- Index
جهت دانلود کتاب Time Series for Data Science: Analysis and Forecasting می‌توانید پس از پرداخت، دریافت کنید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.