既刊(1巻)

Pythonによる時系列予測

-
3,800
時系列予測の基礎からディープラーニングによる大規模な予測まで 本書は、データサイエンティストがPythonによる時系列予測をマスターすることを目的として書かれています。数式は必要最小限に抑え、ステップバイステップで丁寧に説明していきます。統計学的モデルや機械学習モデル・ディープラーニングを使った予測、自動予測ライブラリProphetを紹介します。 Manning「Time Series Forecasting in Python」の翻訳企画 第1部 歳月人を待たず 第1章 時系列予測 第2章 単純な未来予測 第3章 ランダムウォーク 第2部 統計学的モデルによる予測 第4章 移動平均プロセスのモデル化 第5章 自己回帰プロセスのモデル化 第6章 複雑な時系列のモデル化 第7章 非定常時系列の予測 第8章 季節性の考慮 第9章 モデルへの外部変数の追加 第10章 複数の時系列の予測 第11章 キャップストーン:オーストラリアの抗糖尿病薬処方数の予測 第3部 ディープラーニングによる大規模な予測 第12章 時系列予測のためのディープラーニング 第13章 ディープラーニングのためのデータウィンドウとベースラインの作成 第14章 ディープラーニングの手ほどき 第15章 LSTMで過去を記憶する 第16章 CNNを使った時系列のフィルタリング 第17章 予測を使ってさらに予測を行う 第18章 キャップストーン:家庭の電力消費量の予測 第4部 大規模な予測の自動化 第19章 Prophetを使った時系列予測の自動化 第20章 キャップストーン:カナダでのステーキ肉の月間平均小売価格の予測 第21章 さらなる高みを目指して 付録 インストール手順 Marco Peixeiro (マルコ・ ペイシェイロ) :カナダ マギル大学(McGill University)卒。 カナダ最大手の銀行の1つNational Bank of Canadaでシニアデータサイエンティストを務めている。独学のサイエンティストであるMarco は、この業界で仕事を見つけて働くために必要な知識が何かをよく理解している。実践から学ぶことを信条とし、Medium のブログ、freeCodeCamp でのデータサイエンスの短期集中講座、Udemy の講座でも同じアプローチを取っている。本書のテーマを扱ったUdemyのオンライン講座 https://www.udemy.com/course/applied-time-series-analysis-in-python/ が好評で、その内容が書籍化された。Marco のデータサイエンスに関する記事はMedium でさらにチェックできる(https://medium.com/@marcopeixeiro)。ブログでも、最初に理論を提示し、次に実践的なプロジェクトに取り組むという同じアプローチを取っている。 株式会社クイープ :1995 年、米国サンフランシスコに設立。コンピュータシステムの開発、ローカライズ、コンサルティングを手がけている。2001年に日本法人を設立。主な訳書に『The Kaggle Workbook』『The Kaggle Book』『実践XAI』(インプレス)、『なっとく!機械学習』『なっとく!関数型プログラミング』『実践マイクロサービスAPI』(翔泳社)、『Python によるディープラーニング』(マイナビ出版)などがある。 http://www.quipu.co.jp ※この商品は固定レイアウト型の電子書籍です。 ※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。 ※お使いの端末で無料サンプルをお試しいただいた上でのご購入をお願いいたします。 ※本書内容はカラーで制作されているため、カラー表示可能な端末での閲覧を推奨いたします
3,800
Pythonによる時系列予測

Pythonによる時系列予測

3,800

Pythonによる時系列予測の他の巻を読む

既刊1巻
1 / 1

通知管理

通知管理を見る

Pythonによる時系列予測の作品情報

あらすじ

時系列予測の基礎からディープラーニングによる大規模な予測まで 本書は、データサイエンティストがPythonによる時系列予測をマスターすることを目的として書かれています。数式は必要最小限に抑え、ステップバイステップで丁寧に説明していきます。統計学的モデルや機械学習モデル・ディープラーニングを使った予測、自動予測ライブラリProphetを紹介します。 Manning「Time Series Forecasting in Python」の翻訳企画 第1部 歳月人を待たず 第1章 時系列予測 第2章 単純な未来予測 第3章 ランダムウォーク 第2部 統計学的モデルによる予測 第4章 移動平均プロセスのモデル化 第5章 自己回帰プロセスのモデル化 第6章 複雑な時系列のモデル化 第7章 非定常時系列の予測 第8章 季節性の考慮 第9章 モデルへの外部変数の追加 第10章 複数の時系列の予測 第11章 キャップストーン:オーストラリアの抗糖尿病薬処方数の予測 第3部 ディープラーニングによる大規模な予測 第12章 時系列予測のためのディープラーニング 第13章 ディープラーニングのためのデータウィンドウとベースラインの作成 第14章 ディープラーニングの手ほどき 第15章 LSTMで過去を記憶する 第16章 CNNを使った時系列のフィルタリング 第17章 予測を使ってさらに予測を行う 第18章 キャップストーン:家庭の電力消費量の予測 第4部 大規模な予測の自動化 第19章 Prophetを使った時系列予測の自動化 第20章 キャップストーン:カナダでのステーキ肉の月間平均小売価格の予測 第21章 さらなる高みを目指して 付録 インストール手順 Marco Peixeiro (マルコ・ ペイシェイロ) :カナダ マギル大学(McGill University)卒。 カナダ最大手の銀行の1つNational Bank of Canadaでシニアデータサイエンティストを務めている。独学のサイエンティストであるMarco は、この業界で仕事を見つけて働くために必要な知識が何かをよく理解している。実践から学ぶことを信条とし、Medium のブログ、freeCodeCamp でのデータサイエンスの短期集中講座、Udemy の講座でも同じアプローチを取っている。本書のテーマを扱ったUdemyのオンライン講座 https://www.udemy.com/course/applied-time-series-analysis-in-python/ が好評で、その内容が書籍化された。Marco のデータサイエンスに関する記事はMedium でさらにチェックできる(https://medium.com/@marcopeixeiro)。ブログでも、最初に理論を提示し、次に実践的なプロジェクトに取り組むという同じアプローチを取っている。 株式会社クイープ :1995 年、米国サンフランシスコに設立。コンピュータシステムの開発、ローカライズ、コンサルティングを手がけている。2001年に日本法人を設立。主な訳書に『The Kaggle Workbook』『The Kaggle Book』『実践XAI』(インプレス)、『なっとく!機械学習』『なっとく!関数型プログラミング』『実践マイクロサービスAPI』(翔泳社)、『Python によるディープラーニング』(マイナビ出版)などがある。 http://www.quipu.co.jp ※この商品は固定レイアウト型の電子書籍です。 ※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。 ※お使いの端末で無料サンプルをお試しいただいた上でのご購入をお願いいたします。 ※本書内容はカラーで制作されているため、カラー表示可能な端末での閲覧を推奨いたします

Pythonによる時系列予測のレビュー

まだレビューはありません。