Analisi pratica delle serie temporali

L'analisi dei dati delle serie temporali sta diventando sempre più importante a causa dell'enorme quantità di dati che si producono grazie all'Internet delle cose, alla digitalizzazione dell'assistenza sanitaria e alla diffusione delle città intelligenti. Man mano che il monitoraggio continuo e la raccolta dei dati diventano più comuni, crescerà anche la necessità di un'analisi competente delle serie temporali che usi sia tecniche statistiche che di apprendimento automatico.

Coprendo le innovazioni nell'analisi dei dati delle serie temporali e i casi d'uso dal mondo reale, questa guida pratica ti aiuterà a risolvere le sfide più comuni di ingegneria e analisi dei dati nelle serie temporali, utilizzando sia tecniche statistiche tradizionali che moderne tecniche di machine learning. L'autrice Aileen Nielsen offre un'introduzione accessibile e completa alle serie temporali sia in R che in Python che consentirà a data scientist, ingegneri del software e ricercatori di essere operativi in poco tempo.

Otterrai la guida necessaria per:

• Trovare e gestire i dati delle serie temporali
• Fare analisi esplorativa dei dati delle serie temporali
• Archiviare dati temporali
• Simulare dati di serie temporali
• generare e selezionare caratteristiche per una serie temporale
• Misura gli errori
• Prevedere e classificare le serie temporali con l'apprendimento automatico o il Deep Learning
• Valutare l'accuratezza e le prestazioni