확장메뉴
주요메뉴


소득공제 베스트셀러
미리보기 카드뉴스 공유하기

실전 시계열 분석

: 통계와 머신러닝을 활용한 예측 기법

리뷰 총점9.5 리뷰 18건 | 판매지수 11,085
베스트
프로그래밍 언어 86위 | IT 모바일 top20 2주
정가
38,000
판매가
34,200 (10% 할인)
YES포인트
배송안내
서울특별시 영등포구 은행로
지역변경
  • 배송비 : 무료 ?
  •  국내배송만 가능
  •  최저가 보상
  •  분철옵션 선택 시, 영업일 기준 3일내 출고됩니다.
  •  분철상품은 해외배송이 불가합니다.
  •  문화비소득공제 신청가능
[대학생X취준생] 지치지 않는 자, 점수를 잡는다! - 리유저블텀블러/한국문학 담요/슬라이드 파일 증정
오라일리 2022 스티커 캘린더북 이벤트
월간 개발자 2022년 2월호
월간 개발자 2022년 1월호
YES24 트윈링 분철 : 인서트라벨/스티커 택1 증정
1월 전사
현대카드
1 2 3 4 5

품목정보

품목정보
출간일 2021년 04월 09일
쪽수, 무게, 크기 568쪽 | 183*235*35mm
ISBN13 9791162244081
ISBN10 1162244089

이 상품의 태그

카드 뉴스로 보는 책

책소개 책소개 보이기/감추기

시계열 분석의 모든 것

실제 환경에 특화된 시계열 데이터 분석 및 모범 사례를 다루는 실무 지침서다. ARIMA 및 베이즈 상태 공간 같은 표준적인 통계 모델과 계층형 모델을 폭넓게 다루고, 시계열 데이터 모델링의 현대적인 파이프라인 전체를 실용적인 관점에서 안내한다. 이 책에 담긴 통계와 머신러닝 기술을 활용하면 데이터 엔지니어링 및 분석 과제를 해결하는 방법을 익히고, 시계열 데이터의 핵심을 꿰뚫어볼 수 있는 시각을 얻을 수 있을 것이다.

목차 목차 보이기/감추기

CHAPTER 1 시계열의 개요와 역사

1.1 다양한 응용 분야의 시계열 역사
1.2 시계열 분석의 도약
1.3 통계적 시계열 분석의 기원
1.4 머신러닝 시계열 분석의 기원
1.5 보충 자료

CHAPTER 2 시계열 데이터의 발견 및 다루기

2.1 시계열 데이터는 어디서 찾는가
2.2 테이블 집합에서 시계열 데이터 집합 개선하기
2.3 타임스탬프의 문제점
2.4 데이터 정리
2.5 계절성 데이터
2.6 시간대
2.7 사전관찰의 방지
2.8 보충 자료

CHAPTER 3 시계열의 탐색적 자료 분석

3.1 친숙한 방법
3.2 시계열에 특화된 탐색법
3.3 유용한 시각화
3.4 보충 자료

CHAPTER 4 시계열 데이터의 시뮬레이션

4.1 시계열 시뮬레이션의 특별한 점
4.2 코드로 보는 시뮬레이션
4.3 시뮬레이션에 대한 마지막 조언
4.4 보충 자료

CHAPTER 5 시간 데이터 저장

5.1 요구 사항 정의
5.2 데이터베이스 솔루션
5.3 파일 솔루션
5.4 보충 자료

CHAPTER 6 시계열의 통계 모델

6.1 선형회귀를 사용하지 않는 이유
6.2 시계열을 위해 개발된 통계 모델
6.3 시계열 통계 모델의 장단점
6.4 보충 자료

CHAPTER 7 시계열의 상태공간 모델

7.1 상태공간 모델의 장단점
7.2 칼만 필터
7.3 은닉 마르코프 모델
7.4 베이즈 구조적 시계열
7.5 보충 자료

CHAPTER 8 시계열 특징의 생성 및 선택

8.1 입문자를 위한 예제
8.2 특징 계산 시 고려 사항
8.3 특징의 발견에 영감을 주는 장소 목록
8.4 생성된 특징들 중 일부만 선택하는 방법
8.5 마치며
8.6 보충 자료

CHAPTER 9 시계열을 위한 머신러닝

9.1 시계열 분류
9.2 클러스터링
9.3 보충 자료

CHAPTER 10 시계열을 위한 딥러닝

10.1 딥러닝 개념
10.2 신경망 프로그래밍
10.3 학습 파이프라인 만들기
10.4 순전파 네트워크
10.5 합성곱 신경망
10.6 순환 신경망
10.7 복합 구조
10.8 마치며
10.9 보충 자료

CHAPTER 11 오차 측정

11.1 예측을 테스트하는 기본 방법
11.2 예측하기 좋은 시점
11.3 시뮬레이션으로 모델의 불확실성 추정
11.4 여러 단계를 앞선 예측
11.5 모델 검증 시 주의 사항
11.6 보충 자료

CHAPTER 12 시계열 모델의 학습과 배포에 대한 성능 고려 사항

12.1 일반 사례를 위해 만들어진 도구로 작업하기
12.2 데이터 스토리지 형식의 장단점
12.3 성능 고려 사항에 맞게 분석 수정
12.4 보충 자료

CHAPTER 13 헬스케어 애플리케이션

13.1 독감 예측
13.2 혈당치 예측
13.3 보충 자료

CHAPTER 14 금융 애플리케이션

14.1 금융 데이터의 취득과 탐색
14.2 딥러닝을 위한 금융 데이터 전처리
14.3 RNN의 구축과 학습
14.4 보충 자료

CHAPTER 15 정부를 위한 시계열

15.1 정부 데이터 취득
15.2 대규모 시계열 데이터의 탐색
15.3 시계열 데이터에 대한 실시간 통계 분석
15.4 보충 자료

CHAPTER 16 시계열 패키지

16.1 대규모 예측
16.2 이상 감지
16.3 그 밖의 시계열 패키지
16.4 보충 자료

CHAPTER 17 시계열 예측의 미래 전망

17.1 서비스형 예측
17.2 딥러닝으로 확률적 가능성 향상
17.3 통계적 방법보다 중요성이 더 커진 머신러닝 방법
17.4 머신러닝과 통계를 결합한 방법론의 증가
17.5 일상으로 스며든 더 많은 예측

저자 소개 (2명)

출판사 리뷰 출판사 리뷰 보이기/감추기

아마존 데이터 웨어하우스 분야 1위 시계열 데이터 분석을 A부터 Z까지 다루는 실전 가이드

시계열 분석은 기상청, 금융·정부 기관 등 우리 실생활과 밀접한 곳에서 미래를 예측하고 대비하기 위해 사용됩니다. 시계열 데이터는 사물인터넷으로 인한 데이터 대량 생산, 헬스케어 분야의 디지털 전환, 스마트 도시의 부상 등으로 중요성이 더 커지고 있으며, 그 영향력이 모든 산업 분야로 확장될 것입니다.

이 책은 정확한 시계열 분석과 예측을 위해 시계열 데이터와 모델링의 파이프라인 전체(획득, 정리, 시뮬레이션, 저장, 모델링)를 실용적인 관점에서 폭넓게 바라보고 R과 파이썬 코드를 곁들여 설명합니다. 전반부에서는 시계열 예측의 전체 과정을 이해하는 데 기본이 되는 개념을 소개합니다. 시계열 데이터의 탐색, 수집, 정리와 ARIMA, SARIMA 모델 등을 다룹니다. 후반부에서는 MXNet과 텐서플로를 활용하여 헬스케어, 금융, 정부 데이터의 연구 사례에 시계열 기법을 대입하는 방법을 배우고 저자의 풍부한 경험을 녹여낸 다양한 예제도 소개합니다.

마지막으로 각 장에 해당하는 주제와 필수 기법에 대한 튜토리얼을 제공하는 링크를 수록했습니다. 이 책 한 권이면 실세계에서 시계열 데이터를 활용하여 시계열을 분석하고 예측하기 위한 준비를 마칠 수 있습니다. 이 실전 가이드로 시계열 예측의 정확도를 높일 수 있길 바랍니다.

주요 내용

시계열 데이터 탐색 및 정리
탐색적 시계열 데이터 분석 수행
시간 데이터 저장
시계열 데이터 시뮬레이션
시계열 기능 생성 및 선택
측정 오류
머신러닝과 딥러닝을 활용한 시계열 예측 및 분류
정확도 및 성능 평가

예제 코드

github.com/deep-diver/practical-time-series-analysis-korean

추천평 추천평 보이기/감추기

파이썬과 R 코드를 번갈아 가며 사용합니다. 두 언어 중 한 언어에만 익숙한 독자도 이 책을 볼 수 있습니다. R 코드가 전반적으로 많지만 상세한 설명 덕분에 파이썬으로 쉽게 적용할 수 있습니다. 시계열 분석의 기본적인 부분을 전반적으로 잘 다룹니다. 매우 구조적이고 이해하기 쉽게 쓰였으며 디테일도 놓치지 않았습니다. 원서를 읽을 때는 좀 장황하다는 느낌을 받았지만 역자가 우리말로 옮길 때 이런 부분을 최대한 분명하게 표현하고자 노력했고 (번역서에서 흔히 발견되는 번역 투 표현을 최대한 깔끔하게 다듬었습니다. 마치 국내 저자가 저술한 서적처럼 깔끔하게 읽힙니다. 시계열 분석의 개념을 실무에 적용할 때 참조하기 위한 첫 번째 실전서로 추천합니다.
- 임대경 (P&G Korea 데이터 사이언티스트)

누구나 잘못된 일기예보 때문에 낭패를 겪고 짜증을 낸 경험이 있을 것입니다. 하지만 시계열 모델을 한 번쯤 만든 경험이 있는 사람이라면 미래를 예측하는 일이 얼마나 어려운지 알기에 기상청에서 일하는 분들을 응원할 것입니다. 이 책은 회귀부터 딥러닝까지의 기법들을 숨 가쁘게 몰아치며 설명합니다. 오차를 다루는 대목쯤 되면 지칠 수도 있지만 (이 책의 역할은 방대한 시계열의 입구라는 사실을 명심하기 바랍니다. 여느 책과 달리 참고 문헌을 인용하는 것으로 그치지 않고 R과 파이썬을 MXNet과 텐서플로를 넘나들며 내용을 하나하나 설명합니다. 이 책을 덮는 순간부터 본격적인 시계열 공부가 시작될 겁니다. 시계열에 발을 딛는 모든 분의 무운(武運)을 기원합니다.
- 이제현 (한국에너지기술연구원)

인터넷 시대가 도래한 이후 (우리는 무수하게 쏟아지는 데이터 속에 살고 있습니다. 이 중에는 이미지 같은 정형 데이터도 있고 매일 겪는 날씨 (계절 (교통량 등 정해진 형태는 없지만 시간에 인과를 가진 데이터들도 있습니니다. 알파고에서 시작된 인공지능 붐 속에서 주류는 정형 데이터였고 (이후 정형 데이터를 가공하는 법을 알려주는 많은 책이 출간되었습니다. 하지만 시계열 데이터는 책의 한 챕터만 다루는 등 아쉬움이 많았습니다. 우리에게 중요한 것은 어떤 모델의 사용이 아니라 데이터에 맞는 가공법을 찾는 것입니다. 이 책은 시계열 형태라는 공통점만 가진 자료들을 데이터에 맞게 가공하고 사용하는 직관을 키우는 가이드입니다.
- 시한 (VAIS 인공지능 커뮤니티 운영진)

시계열 문제를 처음 접하는 시린이(시계열 분석 어린이)라면 시계열 데이터라는 개념 자체가 굉장히 생소하게 느껴질 겁니다. 이 책에서 제공하는 시계열 데이터의 기본 개념과 코드를 실전에 활용하면 시계열 문제에 대한 감을 익힐 수 있습니다. 시계열 입문자라면 이 책이 좋은 길잡이가 될 수 있으리라 생각합니다.
- heroseo (캐글 마스터)

이 책은 데이터를 준비하는 과정부터 데이터 탐색 (데이터 가공 (머신러닝과 딥러닝을 이용한 모델 개발의 전반적인 과정을 소개합니다. 또한 의료 (금융 (정부 사례와 함께 시계열 분석 및 예측을 적용하는 데 필요한 아이디어도 제공합니다. 시계열 분석 및 예측을 수행하는 모든 비즈니스 의사결정자나 분석가에게 훌륭한 안내서가 되리라 확신합니다.
- 김정민 (GS ITM 기술전략팀 부장)

시계열 예측을 구현하는 것은 어렵지 않으나 (높은 정확도로 좋은 예측 결과를 내는 것은 매우 어렵습니다. 아무리 훌륭하고 복잡한 알고리즘으로 구현하더라도 예측이 정확하지 않다면 쓸모없는 작업이 됩니다. 이 책에서는 정확한 미래 예측을 위한 데이터 가공 방법부터 다양한 예측 모델링 개발 및 적용 방법까지 체계적으로 설명합니다.
- 문선홍 (GS ITM 기술전략팀 부장)

파이썬과 R 두 가지 언어로 시계열 데이터를 설명합니다. 특히 딥러닝의 경우 MXNet으로 처리한 과정을 눈여겨볼 필요가 있습니다. 기본적인 이론은 물론 (데이터 전처리부터 일반적인 시계열 (헬스케어 (주식시장 데이터까지 다룹니다. 시계열 데이터를 집중적으로 공부하고자 하는 독자에게 좋은 참고 자료가 될 것입니다.
- 정용우 (GS ITM 기술전략팀 부장)

회원리뷰 (18건) 리뷰 총점9.5

혜택 및 유의사항?
실전 시계열 분석 을 읽고... 내용 평점4점   편집/디자인 평점5점 m*****l | 2021.12.26 | 추천0 | 댓글0 리뷰제목
머신 러닝을 다룰 때는 무엇보다 많은 데이터를 다루게 됩니다. 오브젝트 인식, 음성 인식, 추천 시스템 등의 잘 알려진 머신 러닝에서는 하나의 대상을 기준으로 한 데이터를 이용하는 것을 보게 됩니다. 그런데, 시간적인 연속성, 지속성 등의 포함된 데이터는 어떻게 다루어서 처리를 할까라는 의문이 들어 이 책을 보게 되었습니다. 시계열이라는 용어로 사용하는 데이터를 다루는;
리뷰제목

머신 러닝을 다룰 때는 무엇보다 많은 데이터를 다루게 됩니다. 오브젝트 인식, 음성 인식, 추천 시스템 등의 잘 알려진 머신 러닝에서는 하나의 대상을 기준으로 한 데이터를 이용하는 것을 보게 됩니다. 그런데, 시간적인 연속성, 지속성 등의 포함된 데이터는 어떻게 다루어서 처리를 할까라는 의문이 들어 이 책을 보게 되었습니다.

시계열이라는 용어로 사용하는 데이터를 다루는 방법에 대해서 이 책에서 설명하고 있습니다. 날씨, 주식시장, 독감예측 등과 같은 좀 다를 것 같은 데이터 특성을 가진 것에 대해서 데이터를 분석하고, 처리하고, 저장하고, 모델링하여 머신러닝이나 딥러닝 등에 이용하는 부분에 대해서 다룹니다.

책은 시계열의 역사에 대해서 짧게 언급하고 데이터를 다루는 방법을 본격적으로 설명해서 머신 러닝과 딥러닝의 내용까지 설명하고, 실제로 시계열 데이터를 사용하는 애플리케이션들을 예로 들고, 마지막으로 미래 전망까지 다루고 있습니다.

솔직히 이 책은 데이터 공학을 본격적으로 공부하지 않은 사람에게는 어려운 책이라고 생각합니다. 첫 장의 역사 부분은 그럭저럭 가볍게 읽고 넘어갈 수 있었지만, 그 이후에는 어려운 용어와 경험해보지 못하거나 예측해보기 어려운 분야에 대한 설명들이 많아서 대체로 스킵하면서 읽어야 하는 부분이 많았습니다. 하지만, 시계열 데이터를 어떤 과정으로 다루는지에 대해서는 개략적으로 훑어보기에는 좋은 책이었습니다. 시계열 데이터를 대체로 이렇게 다루고 있고, 샘플링, 평활화, 사전 관찰 등과 같은 좀 익숙치 않은 용어들에 대해서도 인식하게 되었다는 점에서 의미를 두고 싶습니다.

이 책을 잘 활용하기 위해서는 우선 데이터 공학에 대한 기본적인 소양을 갖추고 있는 것이 좋을 것 같습니다. 그리고 파이썬과 R 언어는 익숙한 상태에서 이 책을 접근하는 것이 약간의 좌절감을 느낄 수 있는 상황을 피할 수 있지 않을까 합니다. 파이썬 언어에 익숙한 것뿐만 아니라 관련해서 사용하는 판다스나 sklearn 등의 패키지에도 익숙해야 소개하는 예제를 따라갈 수 있을 것 같습니다.

한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다.

댓글 0 이 리뷰가 도움이 되었나요? 공감 0
실전 시계열 분석 리뷰 내용 평점5점   편집/디자인 평점5점 m******y | 2021.12.26 | 추천0 | 댓글0 리뷰제목
    지난 수년간, 수많은 데이터과학, ML/DL 분야의 도서들이 출간되어 왔지만, 유독 그 수가 매우 적은 카테고리가 있습니다. 바로 시계열 입니다. 데이터과학 개론서라던지, 통계학 교재에서 꼭 한 켠에 Time Series Analysis와 같은 이름으로 자리잡고 있긴 하지만, 메인으로 다루는 책은 거의 없었던 것이죠. 찾더라도 대부분, 대학교 내에서 출판하는 교과서 형태의;
리뷰제목

 

 

지난 수년간, 수많은 데이터과학, ML/DL 분야의 도서들이 출간되어 왔지만, 유독 그 수가 매우 적은 카테고리가 있습니다. 바로 시계열 입니다. 데이터과학 개론서라던지, 통계학 교재에서 꼭 한 켠에 Time Series Analysis와 같은 이름으로 자리잡고 있긴 하지만, 메인으로 다루는 책은 거의 없었던 것이죠. 찾더라도 대부분, 대학교 내에서 출판하는 교과서 형태의 교재였습니다.

 

몇 년 전에 개인적으로 Facebook에서 나온 Prophet이라는 시계열 분석 라이브러리를 공부한 적이 있었습니다. 지금은 NeuralProphet이라는 이름으로, PyTorch를 기반으로 하여 신경망을 사용한 시계열 분석까지 가능한 새로운 버전이 출시되기도 했는데요. 과거에도 관련 자료가 국내에 거의 전무하여, 고생했던 기억이 있습니다. 시계열만을 본격적으로 다루는 책도 마땅치 않아, 통계학 책을 뒤적이던 기억도 납니다.

 

시계열은 이미 다양한 분야에서 사용되고 있습니다. 의료계부터 시작해서 최근에는 신생 헬스케어 기업들까지, ECG를 비롯한 여러 시계열 형태의 의료 데이터를 사용하여 다양한 가치를 창출해내는가 하면, 캐글과 데이콘 등의 각종 데이터 컴패티션에서 다루는 데이터도 상당수는 시계열 형태의 데이터입니다. 그렇기에, 이 책이 가지는 의미는 상당하다고 생각합니다.

 

책은 전반적으로 매우 꼼꼼하게, 시계열에 대해 다루고 있습니다. 그럼에도, 책의 매력적인 구성 덕분에 쭉 흥미를 가지고 읽을 수 있었습니다. 예컨대, 첫 파트는 시계열의 역사를 주제로 하여, 역사, 천문학, 금융 시장 등 다양한 분야에서 시계열이 사용되어온 사례를 보여주어, 채 몇 장이 되지 않는 분량으로도 간접적으로나마 시계열에 대해 흥미를 가지게 해주고 있습니다. 이어서 등장하는 데이터 취득 및 처리 부분에서는, 일종의 노하우와 같은 내용도 등장합니다. 개인적으로 타임스탬프에 관한 내용이 흥미로웠는데, 단순히 타임스탬프를 유용하게 가져다 쓰는 것이 아닌, 타임스탬프에 내재된 문제들을 제시하고 있습니다. 타임스탬프의 Log가 정말 실제 사건과 일치하지 않을 수 있다거나, 동시에 기록된 앱 사용자의 로그가 구체적으로 어떠한 것을 가르키고 있을지, 그 외의 데이터를 명료하게 이해할 수 있도록 하는 몇 가지 인사이트를 알려주는 부분입니다. 이어서 등장하는 결측치 처리 부분에서도 단순히 방법만을 전수하는 것이 아닌, 각기 다른 방법론에 대한 일종의 팁과 같은 정보를 전달하고 있습니다.

 

또, 모델 자체를 이해하고자 하는 사람들에게도 상당한 도움이 될 수 있도록, 수식을 풀어서 설명하고 있습니다. AR(Aturoregressive) 모델을 예로 들면, 단순히 해당 모델의 수식을 제시하고 끝내는 것이 아닌, 해당 수식이 어떠한 과정을 거쳐 작용하는지를 몇 장에 걸쳐서 설명합니다. MA, ARMA, ARIMA 모델 또한 마찬가지입니다. 이러한 고전적인 시계열 모델을 살펴본 후에는, 충분한 준비 단계를 거치며 머신러닝을 이용한 시계열 분석을 다루게 됩니다. 여기서는 랜덤 포레스트와 XGBoost를 이용하여 EEG, 뇌전도 데이터를 분류하는 모델을 만들어보는 실습을 진행하였는데요. 아무래도 ML 도서가 아니다보니 깊은 수준의 이해가 가능하도록 내용을 다루기보단 라이브러리를 사용한 실습 위주의 내용이 주를 이루고 있습니다. 이후 딥러닝을 이용한 방법 또한 다루고 있는데, 하이퍼파라미터를 조정하지 전까지, 딱 구현을 해보는 단계 까지만 진행을 하고 있습니다. 이 파트는 전체적으로, 추후 시계열 분석을 활용할 때에 많은 도움이 될 것 같다는 생각이 들었습니다. 

 

언제나 그렇듯, 오라일리의 도서답게, 교과서처럼 친절하게 상세히 시계열 분석에 대해 알려주고 있습니다. 이제, 시계열 분석을 좀 더 제대로 해보고자 하는 분들께, 표지만 봐도 숨이 턱턱 막히는 대학 교재스러운 시계열 분석 도서 대신 추천드릴만한 좋은 책이 나온 것 같습니다.

 

마치 '시계열 분석 교과서' 라는 제목을 붙여도 될 것만 같은 책입니다. 모쪼록, 시계열 분석에 관심이 있는 분들이라면, 꼭 해당 도서를 읽어보시길 강력 추천 드립니다.

 

 

 

본 리뷰는 한빛미디어의 도서 서평단 <나는 리뷰어다 2021> 프로그램의 일환으로, 무상으로 도서를 증정 받고 작성된 리뷰임을 고지합니다.

댓글 0 이 리뷰가 도움이 되었나요? 공감 0
말 그대로 이론보다는 실전 시계열 분석 내용 평점4점   편집/디자인 평점4점 가*뫼 | 2021.12.26 | 추천0 | 댓글0 리뷰제목
흔히 말하는 교과서의 전형적인 그리고 다소 인위적인 데이터 (설명을 위해서 다소 비약이 들어간 형태의)가 아니라 우리가 실생활에서 접하는 데이터는 크게 볼륨의 확장과 시간에 따른 변화가 큰 특징이라고 할 수 있다. 점점 더 큰 볼륨의 데이터를 수집하고 그것을 전처리하고 최종적으로 프로덕트에 녹이는 작업은 빅데이터라는 용어를 통해서 많이 알려졌지만, 시간이 지남에 따라;
리뷰제목

흔히 말하는 교과서의 전형적인 그리고 다소 인위적인 데이터 (설명을 위해서 다소 비약이 들어간 형태의)가 아니라 우리가 실생활에서 접하는 데이터는 크게 볼륨의 확장과 시간에 따른 변화가 큰 특징이라고 할 수 있다. 점점 더 큰 볼륨의 데이터를 수집하고 그것을 전처리하고 최종적으로 프로덕트에 녹이는 작업은 빅데이터라는 용어를 통해서 많이 알려졌지만, 시간이 지남에 따라서 그 때는 맞았지만 지금은 틀리것과 같은 시계열 데이터 처리에 대한 관심은 상대적으로 덜했던 것 같다.

점점 더 사람들의 니즈가 변하고 비지니스가 빠르게 변하는 만큼 시계열 데이터 분석에 대한 중요성은 더 강조해도 지나침이 없고, 해당 책은 시계열 분석에 대한 어느 정도의 이론을 안다는 전제하에 실제 프로그래밍 언어로 어떻게 분석하는 지 설명하는 책이라고 할 수 있다. 이론적인 부분은 아주 간략하게 필요한 만큼 설명하고 우선 코드 우선으로 데이터 분석의 프로세스를 보여주는 점이 개인 취향에 따라서 호불호가 다소 있을 것으로 보인다.

따라서 필요하다면 이론적인 부분은 https://otexts.com/fpp2/ 와 같은 이론서를 통해서 같이 보강하면서 해당 책을 읽는다면 더 좋은 시너지가 날 것으로 보인다. 추가로 아쉬운 점은 Python과 R을 혼용해서 책의 전개를 하고 있는데 TensorFlow나 PyTorch 모두 현 시점 (2021년 말) 기준으로는 R 에서도 충분히 지원하고 있기 때문에 이런 부분은 조금 아쉽다고 생각된다 (아마 번역서다보니 어쩔 수 없는 부분도 있었겠지만...) 요약해서 정리하자면 시계열 데이터 처리의 이론적인 부분을 어떻게 실제 코드로 적용할 지 코드 레벨로 상세한 설명이 필요하다면 추천한다. 다만 이 책 한권으로 시계열 데이터 분석을 완벽하게 하기는 조금 부족하며, 여러가지 통계적 가정 등을 보조 교재를 통해서 공부하는 것이 바람직하다고 생각한다.

댓글 0 이 리뷰가 도움이 되었나요? 공감 0

한줄평 (7건) 한줄평 총점 9.4

혜택 및 유의사항 ?
구매 평점5점
공부에 많은 도움이 될 것 같습니다.
이 한줄평이 도움이 되었나요? 공감 0
l*******7 | 2022.01.21
구매 평점5점
정말 최고의 책입니다. 통계부터 머신 러닝까지 총망라
이 한줄평이 도움이 되었나요? 공감 0
s********2 | 2021.12.02
구매 평점5점
리얼이다 최고존엄
이 한줄평이 도움이 되었나요? 공감 0
3* | 2021.11.10
스프링분철 서비스를 선택하세요.
수량감소 수량증가 34,200
  •  다운받은 받은 쿠폰은 결제 페이지에서 적용해 주세요.
  •  분철옵션 선택 시, 영업일 기준 3일내 출고됩니다.
  •  분철상품은 해외배송이 불가합니다.
1   34,200

스프링분철 신청 가능

뒤로 앞으로 맨위로 aniAlarm