소득공제
Prophet 시계열 데이터 분석
시계열 모델 시각화 및 최적화
- 베스트
- OS/데이터베이스 top100 9주
이미 소장하고 있다면 판매해 보세요.
- 국내배송만 가능
- 문화비소득공제 가능
이 분야의 이벤트
책소개
목차
|
PART 01 Prophet으로 시작하기
__01. 시계열 예측 발전사 ____01-1 시계열 예측 개요 __1.1.1 종속 데이터 문제 ____01-2 이동평균과 지수평활법 ____01-3 자기회귀누적이동평균(ARIMA) ____01-4 ARCH/GARCH ____01-5 신경망 ____01-6 Prophet ____01-7 최근 발전 현황 __1.7.1 NeuralProphet __1.7.2 구글의 “견고한 대규모 시계열 예측” __1.7.3 링크드인의 SilverKite/GreyKite __1.7.4 우버의 Orbit __02. Prophet 시작 ____02-1 코랩 노트북 파일 다운로드 ____02-2 간단한 Prophet 모델 구축 ____02-3 예측 데이터프레임 해석 ____02-4 구성 요소 플롯의 이해 __03. Prophet 작동 방식 ____03-1 페이스북이 Prophet을 구축한 동기 ____03-2 analyst-in-the-loop 예측 ____03-3 Prophet 수식 __3.4.1 선형 성장 __3.4.2 로지스틱 성장 __3.4.3 계절성 __3.4.4 공휴일 PART 02 계절성, 튜닝, 고급 기능 __04. 일별 기준이 아닌 데이터 처리 ____04-1 월별 데이터 사용 ____04-2 하루보다 짧은 주기의 데이터 사용 ____04-3 규칙적인 누락 구간을 가진 데이터 사용 __05. 계절성 처리 ____05-1 가산형 vs 곱셈형 계절성 ____05-2 푸리에 차수로 계절성 조절 ____05-3 커스텀 계절성 추가 ____05-4 조건부 계절성 추가 ____05-5 계절성 규제 __5.5.1 전역적 계절성 규제 __5.5.2 국소적 계절성 규제 __06. 공휴일 효과 예측 ____06-1 기본 국가 공휴일 추가 ____06-2 기본 지자체(주/도) 공휴일 추가 ____06-3 커스텀 공휴일 생성 ____06-4 연휴 생성 ____06-5 공휴일 규제 __6.5.1 전역적 공휴일 규제 __6.5.2 개별 공휴일 규제 __07. 성장 모드 조절 ____07-1 선형 성장 적용 ____07-2 로지스틱 함수 ____07-3 포화 예측 로지스틱 성장 적용 __7.3.1 증가하는 로지스틱 성장 __7.3.2 변동하는 상한 cap __7.3.3 감소하는 로지스틱 성장 ____07-4 플랫 성장 적용 ____07-5 커스텀 추세 생성 __08. 추세 변경점 조절 ____08-1 추세 변경점 자동 탐지 __8.1.1 기본(디폴트) 변경점 탐지 ____08-2 변경점 규제 ____08-3 커스텀 변경점 위치 설정 __09. 설명 변수 추가 ____09-1 이진값 변수 추가 ____09-2 연속형 변수 추가 ____09-3 계수의 해석 __10. 이상값과 특별 이벤트 ____10-1 계절성 변동을 초래하는 이상값 수정 ____10-2 넓은 불확실성 구간을 초래하는 이상값 수정 ____10-3 이상값 자동 탐지 __10.3.1 윈저화 __10.3.2 표준편차 __10.3.3 이동평균 __10.3.4 오차의 표준편차 ____10-4 이상값을 특별 이벤트로 모델링 ____10-5 COVID-19 봉쇄 충격 모델링 __11. 불확실성 구간 처리 ____11-1 추세 불확실성 모델링 ____11-2 계절성 불확실성 모델링 PART 03 진단과 평가 __12. 교차 검증 실행 ____12-1 k-폴드 교차 검증 ____12-2 순방향 연쇄 교차 검증 ____12-3 Prophet 교차 검증 데이터프레임 생성 ____12-4 병렬 교차 검증 __13. 성능 지표 평가 ____13-1 Prophet 지표의 이해 __13.1.1 MSE __13.1.2 RMSE __13.1.3 MAE __13.1.4 MAPE __13.1.5 MdAPE __13.1.6 SMAPE __13.1.7 커버리지 __13.1.8 최적 지표 선정 ____13-2 Prophet 성능 지표 데이터프레임 생성 ____13-3 불규칙한 컷오프 처리 ____13-4 그리드 서치로 하이퍼파라미터 튜닝 __14. Prophet 제품화 ____14-1 모델 저장하기 ____14-2 적합 모델 업데이트 |
저자 소개 3
그렉 래퍼티(Greg Rafferty)는 샌프란시스코에 있는 구글의 데이터 과학자이다. 10여 년 동안 페이스북(메타), IBM 등에서 일해온 그는 온라인 교육 플랫폼 코세라(Coursera)에서 비즈니스 데이터 분석가로도 활동해 왔고 이를 통해 데이터 과학 및 분석 분야에서 업계 전문가들과 협업을 이끌어내고 있다. MBA 및 공학 학위를 동시에 보유한 그는 데이터 과학 분야에서 전문가 및 일반 사용자 모두와 원활한 커뮤니케이션으로 정평이 높다.
미국 주립대 University of Central Oklahoma에서 MBA, MSBA 학위 및 SAS Enterprise Miner 자격증을 취득했다. 한국인터넷진흥원 조사 분석 팀장을 역임했고 데이터 분석, 챗GPT, 코파일럿, 엑셀, 오렌지3, 파이썬, 파이토치, 트랜스포머, 자연어 처리 과목으로 다수 기업 및 대학에 출강 중이다. 저서로는 『엑셀 데이터 분석 with 챗GPT』, 『오렌지3 데이터 분석 with 파이썬』, 『플로우가 보이는 머신러닝 프로젝트』가 있으며 현재 컴퍼스랩의 Data Analyst 및 한국 열린 사이버 대학 특임 교수로 재직 중이다.
임선집의 다른 상품
-
이토록 쉬운 10가지 프로젝트로 끝내는 트랜스포머 활용 가이드 with 파이토치 이동이토록 쉬운 10가지 프로젝트로 끝내는 트랜스포머 활용 가이드 with 파이토치25,200원 10%
미국 주립대 University of Central Oklahoma에서 Business Analytics 부교수로 재직 중이다. MSBA 학생들에게 인공지능, 딥러닝을 가르치며 MSBA Course Coordinator로 일하고 있다. University of North Texas에서 Business Computer Information Systems로 박사 학위를 받았다. 정보 기술이 기업 성과에 어떻게 영향을 미치는지를 ERP 시스템 도입, 모바일 앱 등의 실증 연구를 주로 하며, 최근에는 머신러닝, 딥러닝을 이용해서 혁신 기업을 찾는 연구 중이다. 다수의 논문을 MIS Qu
미국 주립대 University of Central Oklahoma에서 Business Analytics 부교수로 재직 중이다. MSBA 학생들에게 인공지능, 딥러닝을 가르치며 MSBA Course Coordinator로 일하고 있다. University of North Texas에서 Business Computer Information Systems로 박사 학위를 받았다. 정보 기술이 기업 성과에 어떻게 영향을 미치는지를 ERP 시스템 도입, 모바일 앱 등의 실증 연구를 주로 하며, 최근에는 머신러닝, 딥러닝을 이용해서 혁신 기업을 찾는 연구 중이다. 다수의 논문을 MIS Quarterly 등 세계 유력 학술지에 게재했고 2017 Emerald Citations of Excellence상을 받았다.
채호창의 다른 상품
품목정보
- 발행일
- 2025년 10월 15일
- 쪽수, 무게, 크기
- 324쪽 | 170*232*30mm
- ISBN13
- 9791193083307
출판사 리뷰
|
이 책은 컴퓨터에 Prophet을 설치하고 설정하는 방법, 그리고 단 몇 줄의 코드만으로 초기 모델을 구축하는 과정을 안내합니다. 이어서 예측 결과를 시각화하고, 휴일·계절성·추세 변곡점을 추가하며, 이상값을 처리하는 등 더 고급 기능을 살펴보게 됩니다. 아울러 각 기본 매개변수를 왜, 어떻게 수정해야 하는지도 배우게 됩니다. 또한 푸리에 급수를 이해하고 그것이 계절성을 어떻게 모델링하는지도 익히며, 계절성을 어떻게 적용할지도 배웁니다. 더 나아가 하이퍼파라미터 튜닝과 추가 회귀자를 모델에 포함해 더 복잡한 모델을 최적화하는 방법을 배우게 됩니다. 모델 성능을 평가하기 위한 진단을 실행하고, Prophet을 실제 운영 환경에서 활용할 때 유용한 기능도 익힙니다. 그리하여 원시 시계열 데이터셋을 활용해 간결하고 이해하기 쉬우며 재현 가능한 코드로 정교하고 정확한 예측 모델을 개발할 수 있게 될 것입니다.
★이 책에서 다루는 주요 분야★ 1장 시계열 예측 발전사: 시계열 데이터를 이해하려는 초기 시도부터 오늘날까지의 주요 알고리즘 발전사 2장 Prophet 시작: Prophet이 동작하는 기본 프로세스와 첫 번째 모델 구축 방법 3장 Prophet 작동 방식: 메타가 Prophet을 개발한 이유와 analyst-in-the-loop, 예측 알고리즘 수식 4장 일별 기준이 아닌 데이터 처리: 일별 데이터가 아닌 다양한 주기 데이터를 처리하는 방법과 활용 5장 계절성 처리: Prophet 모델의 핵심 요소인 계절성 개념과 제어 방법 6장 공휴일 효과 예측: 기본·지역별·커스텀 공휴일 설정과 공휴일 효과 반영 기법 7장 성장 모드 조절: 선형, 로지스틱, 플랫 등 세 가지 추세 모드와 적용 상황 8장 추세 변경점 조절: 추세선의 경직성과 유연성을 조절해 상황별 최적 모델 구축 9장 설명 변수 추가: 설명 변수를 이용해 다변량 입력 데이터를 추가하는 방법 10장 이상값과 특별 이벤트: 이상값 문제와 자동 탐지 및 Prophet 기반 처리 기법 11장 불확실성 구간 처리: 모델의 불확실성 정량화와 시각화 기법 12장 교차 검증 실행: 시계열 데이터 특성에 맞는 교차 검증 방법과 Prophet 구현 13장 성능 지표 평가: 성능 지표와 교차 검증을 활용한 모델 최적화 및 정확도 향상 14장 Prophet 제품화: 모델 저장·업데이트 방법과 Plotly를 활용한 대시보드 공유 기법 ★이 책의 대상 독자★ * 파이썬이나 R을 활용해 시계열 예측을 배우고자 하는 비즈니스 관리자 및 데이터 분석 담당자 * 시계열 데이터의 특성과 다른 데이터 유형과의 차이를 이해하고 싶은 데이터 과학자 및 분석가 * 머신러닝과 예측 모델링을 실제 프로젝트에 적용하려는 머신러닝 엔지니어 * 소프트웨어 개발 과정에서 시계열 데이터를 다루며 예측 기법을 활용하고자 하는 소프트웨어 엔지니어 |
리뷰/한줄평0
25,200원
총 1개
25,200원
