Name: Time Series Algorithms Recipes
SKU: 126215862
Price: 67980 KRW
Availability: InStock
Author: Akshay R Kulkarni
ISBN: 9781484289792

카트

이미지 검색을 사용해 보세요

검색창 이전화면 이전화면

최근 검색어: 전체삭제

인기 검색어

닫기

사이즈비교 공유하기

소득공제 수입

직수입양서 Time Series Algorithms Recipes

Implement Machine Learning and Deep Learning Techniques with Python Perfect,eng, POD 주문제작도서

바인딩/에디션 안내

Akshay R Kulkarni

Springer Nature B.V. 2022.12.24.

회원리뷰 첫번째 리뷰어가 되어주세요

직수입외서는 변심/착오로 인해 주문을 취소할 경우 해외주문 취소수수료 20%가 부과됩니다.?

가격: 67,980원

67,980

YES포인트?: 2,040원 (3%) 마니아추가적립

5만원 이상 구매 시 2천원 추가 적립

앱 다운 시 1천원 상품권

결제혜택: 최대 6만원 캐시백

주문 제작 (POD) 도서로 제본 및 인쇄 품질이 다소 미흡할 수 있습니다 (해당 사유 반품 불가)

이미 소장하고 있다면 판매해 보세요.

예스24에 팔기 바이백 신청 불가 내 가게에서 팔기

국내배송만 가능
해외 거래처 사정에 의하여 품절/지연 가능
도서 정보 중 미표기 사항 안내?
문화비소득공제 가능

시리즈 태그 업체 공지사항 중고직수입양서 소개 구성 소개 특별 구성 MD 한마디 카드뉴스 상세 이미지 책소개 관련 동영상 목차 저자 소개 관련분류 품목정보 만든이 코멘트 예스24 리뷰 책 속으로 줄거리 캐스팅 관련 자료 부가 영상 출판사 리뷰 전문가 리뷰 추천평

펼치기/닫기

책소개

<div>This book teaches the practical implementation of various concepts for time series analysis and modeling with Python through problem-solution-style recipes, starting with data reading and preprocessing.?</div><div><br></div><div>It begins with the fundamentals of time series forecasting using statistical modeling methods like AR (autoregressive), MA (moving-average), ARMA (autoregressive moving-average), and ARIMA (autoregressive? integrated moving-average). Next, you'll learn univariate and multivariate modeling using different open-sourced packages like Fbprohet, stats model, and sklearn. You'll also gain insight into classic machine learning-based regression models like randomForest, Xgboost, and LightGBM for forecasting problems. The book concludes by demonstrating the implementation of deep learning models (LSTMs and ANN) for time series forecasting. Each chapter includes several code examples and illustrations.</div><div>?</div><div>After finishing this book,you will have a foundational understanding of various concepts relating to time series and its implementation in Python.</div><div>?</div><div><b>What You Will Learn</b></div><div><ul><li>Implement various techniques in time series analysis using Python.</li><li>Utilize statistical modeling methods such as AR (autoregressive), MA (moving-average),? ARMA (autoregressive moving-average) and ARIMA (autoregressive? integrated moving-average) for time series forecasting?</li><li>Understand univariate and multivariate modeling for time series forecasting</li><li>Forecast using machine learning and deep learning techniques such as GBM and LSTM (long short-term memory)</li></ul></div><div>?</div><div><b>Who This Book Is For</b></div>Data Scientists, Machine Learning Engineers, and software developers interested in time series analysis.

책소개 더보기펼치기