پیش بینی سری های زمانی مدرن با پایتون؛ کاوش پیش بینی سری های زمانی آماده صنعت با استفاده از یادگیری ماشین مدرن و یادگیری عمیق

سیستم‌های پیش‌بینی سری‌های زمانی دنیای واقعی بسازید که با به‌کارگیری مفاهیم مدرن یادگیری ماشین و یادگیری عمیق، به میلیون‌ها سری زمانی مقیاس‌پذیر باشند.

ویژگی‌های کلیدی

بررسی تکنیک‌های یادگیری ماشین آزمایش‌شده در صنعت که برای پیش‌بینی میلیون‌ها سری زمانی استفاده می‌شوند.
با الگوی انقلابی مدل‌های پیش‌بینی جهانی شروع کنید.
با به‌کارگیری مفاهیم جدید در مجموعه داده‌های پیش‌بینی انرژی دنیای واقعی، با آنها آشنا شوید.

شرح کتاب

ما در دورانی غیرمنتظره زندگی می‌کنیم که انفجار در حجم داده‌های جمع‌آوری‌شده و علاقه‌ی دوباره به تکنیک‌های داده‌محور مانند یادگیری ماشین (ML)، چشم‌انداز تجزیه و تحلیل و همراه با آن، پیش‌بینی سری‌های زمانی را تغییر داده است. این کتاب، مملو از نکات و ترفندهای آزمایش‌شده در صنعت، شما را فراتر از روش‌های آماری کلاسیک رایج مانند ARIMA می‌برد و جدیدترین تکنیک‌های دنیای یادگیری ماشین را به شما معرفی می‌کند.

این یک راهنمای جامع برای تجزیه و تحلیل، تجسم و ایجاد سیستم‌های پیش‌بینی پیشرفته است که با مباحث رایجی مانند یادگیری ماشین و یادگیری عمیق (DL) و همچنین مباحث کم‌اهمیتی مانند مدل‌های پیش‌بینی جهانی، استراتژی‌های اعتبارسنجی متقابل و معیارهای پیش‌بینی تکمیل شده است. شما با بررسی اصول اولیه‌ی مدیریت داده‌ها، مصورسازی داده‌ها و روش‌های آماری کلاسیک شروع خواهید کرد و سپس به سراغ مدل‌های یادگیری ماشینی و یادگیری عمیق برای پیش‌بینی سری‌های زمانی خواهید رفت. این کتاب شما را به سفری عملی می‌برد که در آن مدل‌های پیشرفته‌ی یادگیری ماشینی (رگرسیون خطی به درخت‌های تقویت‌شده با گرادیان) و یادگیری عمیق (شبکه‌های عصبی پیش‌خور، LSTMها و مبدل‌ها) را روی یک مجموعه داده‌ی دنیای واقعی توسعه خواهید داد و مباحث کاربردی مانند تفسیرپذیری را بررسی خواهید کرد.

در پایان این کتاب، شما قادر خواهید بود سیستم‌های پیش‌بینی سری‌های زمانی در سطح جهانی بسازید و با مشکلات دنیای واقعی مقابله کنید.

آنچه خواهید آموخت

یاد بگیرید که چگونه داده‌های سری زمانی را مانند یک حرفه‌ای دستکاری و تجسم کنید
با مدل‌های محبوبی مانند ARIMA خطوط پایه قوی تنظیم کنید
کشف کنید که چگونه پیش‌بینی سری‌های زمانی می‌تواند به صورت رگرسیون قالب‌بندی شود
ویژگی‌های مدل‌های یادگیری ماشین را برای پیش‌بینی مهندسی کنید
دنیای هیجان‌انگیز مدل‌های ترکیبی و انباشتگی را کاوش کنید
با الگوی پیش‌بینی جهانی آشنا شوید
مدل‌های پیشرفته DL مانند N-BEATS و Autoformer را درک و به کار ببرید
استراتژی‌های پیش‌بینی چند مرحله‌ای و اعتبارسنجی متقابل را کاوش کنید

این کتاب برای چه کسانی مناسب است؟

این کتاب برای دانشمندان داده، تحلیلگران داده، مهندسان یادگیری ماشین و توسعه‌دهندگان پایتون است که می‌خواهند مدل‌های سری زمانی آماده برای صنعت بسازند. از آنجایی که این کتاب اکثر مفاهیم را از پایه توضیح می‌دهد، تسلط اولیه بر پایتون تنها چیزی است که نیاز دارید. درک قبلی از یادگیری ماشین یا پیش‌بینی به سرعت بخشیدن به یادگیری شما کمک می‌کند. برای متخصصان باتجربه یادگیری ماشین و پیش‌بینی، این کتاب از نظر تکنیک‌های پیشرفته و پیمایش آخرین مرزهای تحقیقاتی در پیش‌بینی سری‌های زمانی، مطالب زیادی برای ارائه دارد.

فهرست مطالب

معرفی سری‌های زمانی
به دست آوردن و پردازش داده‌های سری‌های زمانی
تحلیل و تجسم داده‌های سری‌های زمانی
تنظیم یک پیش‌بینی پایه قوی
پیش‌بینی سری‌های زمانی به عنوان رگرسیون
مهندسی ویژگی برای پیش‌بینی سری‌های زمانی
تبدیل‌های هدف برای پیش‌بینی سری‌های زمانی
پیش‌بینی سری‌های زمانی با مدل‌های یادگیری ماشین
مونتاژ و انباشت
مدل‌های پیش‌بینی جهانی
مقدمه‌ای بر یادگیری عمیق
بلوک‌های سازنده یادگیری عمیق برای سری‌های زمانی
الگوهای مدل‌سازی رایج برای سری‌های زمانی
توجه و تبدیل‌کننده‌ها برای سری‌های زمانی
استراتژی‌هایی برای مدل‌های پیش‌بینی یادگیری عمیق جهانی