Praktische Zeitreihenanalyse

Die Analyse von Zeitreihendaten wird aufgrund der massiven Produktion solcher Daten durch das Internet der Dinge, die Digitalisierung des Gesundheitswesens und den Aufstieg der Smart Cities immer wichtiger. Da kontinuierliche Überwachung und Datenerfassung immer häufiger werden, wird der Bedarf an kompetenter Zeitreihenanalyse mit statistischen und maschinellen Lerntechniken steigen.

Dieser praktische Leitfaden behandelt Innovationen in der Zeitreihendatenanalyse und Anwendungsfälle aus der Praxis und hilft dir, die häufigsten Herausforderungen in der Datentechnik und -analyse zu lösen zu lösen, indem du sowohl traditionelle statistische Verfahren als auch moderne Techniken des maschinellen Lernens einsetzt. Die Autorin Aileen Nielsen bietet eine leicht zugängliche, abgerundete Einführung in die Zeitreihenanalyse in R und Python, mit der Datenwissenschaftler/innen, Softwareingenieure/innen und Forscher/innen schnell loslegen können.

Du bekommst die Anleitung, die du brauchst, um selbstbewusst zu sein:

• Zeitreihendaten zu finden und zu verarbeiten
• Explorative Zeitreihendatenanalyse durchführen
• Zeitliche Daten speichern
• Zeitreihendaten simulieren
• Erzeugen und Auswählen von Merkmalen für eine Zeitreihe
• Fehler messen
• Zeitreihen mit maschinellem oder tiefem Lernen vorhersagen und klassifizieren
• Bewerten Sie Genauigkeit und Leistung