Pomoc Live Chat OD O,OOZŁ
ODBIERZ TWÓJ BONUS :: »
Książki Ebooki Kursy video Audiobooki Promocje Nowości Bestsellery Darmowe ebooki
Pobierz aplikację Bony Podaruj prezent

TOP tytuł w super cenie » 50% taniej

Machine Learning for Time Series with Python. Python to forecast, predict, and monitor time series with modern ML and foundation models at scale - Second Edition Dr. Ben Auffarth

Książka w języku angielskim angielski
Machine Learning for Time Series with Python. Python to forecast, predict, and monitor time series with modern ML and foundation models at scale - Second Edition Dr. Ben Auffarth - okladka książki

Machine Learning for Time Series with Python. Python to forecast, predict, and monitor time series with modern ML and foundation models at scale - Second Edition Dr. Ben Auffarth - okladka książki

Machine Learning for Time Series with Python. Python to forecast, predict, and monitor time series with modern ML and foundation models at scale - Second Edition Dr. Ben Auffarth - audiobook MP3

Machine Learning for Time Series with Python. Python to forecast, predict, and monitor time series with modern ML and foundation models at scale - Second Edition Dr. Ben Auffarth - audiobook CD

Autor:
Dr. Ben Auffarth
Serie wydawnicze:
Learning
Wydawnictwo:
Packt Publishing (Z chęcią przeczytam książkę w języku polskim)
Ocena:
Bądź pierwszym, który oceni tę książkę
Stron:
486
Dostępne formaty:
     PDF
     ePub

Ebook
125,10 zł 139,00 zł (-10%)
29,90 zł najniższa cena z 30 dni

Dodaj do koszyka Dostępny natychmiast po opłaceniu zakupu lub Kup na prezent Kup 1-kliknięciem

Przenieś na półkę

Do przechowalni

Machine Learning for Time Series, Second Edition offers a practical guide to building forecasting systems with the most important libraries such as sktime, darts, Nixtla's skforecast and mlforecast, and AutoGluon among others. Starting with the fundamentals, you’ll learn how to characterize datasets, measure and validate prediction performance, engineer features, and build forecasting pipelines.
The book covers classical methods such as ARIMA and Theta, machine learning methods such as gradient boosting, and deep learning with recurrent, latest Transformer-based (like Crossformer), or convolutional (TimesNet) models. We'll apply foundation models such as TimesFM, Chronos, and OpenTSLM, or generative approaches like Chain-of-Charts, and uncertainty quantification with conformal prediction such as GARCH conformal, conformalized quantile regression, or split conformal. We’ll also dive into production infrastructure like feature stores, model tracking, and monitoring and scaling strategies, as well as classification, self-supervised encoding, spatiotemporal modeling, handling irregular time series with ODEs, survival analysis, and causal inference.
Through practical examples, you’ll learn how to evaluate models, detect and handle anomalies and drift, and choose approaches that match data and operational needs.

Wybrane bestsellery

Selling helion.pl
nformacja o grafice AI Informacja o grafice AI Wybrane elementy graficzne tej sekcji powstały przy wsparciu AI

O autorze książki

Dr Ben Auffarth jest doświadczonym liderem w dziedzinie analizy danych. Zajmował się symulacją aktywności mózgu na superkomputerach z 64 tysiącami rdzeni, zaprojektował i przeprowadził wiele eksperymentów, trenował sieci neuronowe na milionach dokumentów.

Dr. Ben Auffarth - pozostałe książki

Zobacz pozostałe książki z serii Learning

Packt Publishing - inne książki

Zamknij

Przenieś na półkę
Dodano produkt na półkę
Usunięto produkt z półki
Przeniesiono produkt do archiwum
Przeniesiono produkt do biblioteki
Proszę czekać...
ajax-loader

Zamknij

Wybierz metodę płatności

Ebook
125,10 zł
Dodaj do koszyka
Zamknij Pobierz aplikację mobilną Ebookpoint