실전 시계열 분석 (통계와 머신러닝을 활용한 예측 기법)

에일린닐슨

AileenNielsen
뉴욕을중심으로활동하는소프트웨어엔지니어이자데이터분석가.헬스케어스타트업,정치캠페인,물리연구실험,금융거래등다양한분야에서시계열을포함한여러데이터를다뤘다.현재는예측애플리케이션을위한신경망을개발중이다.

CHAPTER1시계열의개요와역사
1.1다양한응용분야의시계열역사
1.2시계열분석의도약
1.3통계적시계열분석의기원
1.4머신러닝시계열분석의기원
1.5보충자료

CHAPTER2시계열데이터의발견및다루기
2.1시계열데이터는어디서찾는가
2.2테이블집합에서시계열데이터집합개선하기
2.3타임스탬프의문제점
2.4데이터정리
2.5계절성데이터
2.6시간대
2.7사전관찰의방지
2.8보충자료

CHAPTER3시계열의탐색적자료분석
3.1친숙한방법
3.2시계열에특화된탐색법
3.3유용한시각화
3.4보충자료

CHAPTER4시계열데이터의시뮬레이션
4.1시계열시뮬레이션의특별한점
4.2코드로보는시뮬레이션
4.3시뮬레이션에대한마지막조언
4.4보충자료

CHAPTER5시간데이터저장
5.1요구사항정의
5.2데이터베이스솔루션
5.3파일솔루션
5.4보충자료

CHAPTER6시계열의통계모델
6.1선형회귀를사용하지않는이유
6.2시계열을위해개발된통계모델
6.3시계열통계모델의장단점
6.4보충자료

CHAPTER7시계열의상태공간모델
7.1상태공간모델의장단점
7.2칼만필터
7.3은닉마르코프모델
7.4베이즈구조적시계열
7.5보충자료

CHAPTER8시계열특징의생성및선택
8.1입문자를위한예제
8.2특징계산시고려사항
8.3특징의발견에영감을주는장소목록
8.4생성된특징들중일부만선택하는방법
8.5마치며
8.6보충자료

CHAPTER9시계열을위한머신러닝
9.1시계열분류
9.2클러스터링
9.3보충자료

CHAPTER10시계열을위한딥러닝
10.1딥러닝개념
10.2신경망프로그래밍
10.3학습파이프라인만들기
10.4순전파네트워크
10.5합성곱신경망
10.6순환신경망
10.7복합구조
10.8마치며
10.9보충자료

CHAPTER11오차측정
11.1예측을테스트하는기본방법
11.2예측하기좋은시점
11.3시뮬레이션으로모델의불확실성추정
11.4여러단계를앞선예측
11.5모델검증시주의사항
11.6보충자료

CHAPTER12시계열모델의학습과배포에대한성능고려사항
12.1일반사례를위해만들어진도구로작업하기
12.2데이터스토리지형식의장단점
12.3성능고려사항에맞게분석수정
12.4보충자료

CHAPTER13헬스케어애플리케이션
13.1독감예측
13.2혈당치예측
13.3보충자료

CHAPTER14금융애플리케이션
14.1금융데이터의취득과탐색
14.2딥러닝을위한금융데이터전처리
14.3RNN의구축과학습
14.4보충자료

CHAPTER15정부를위한시계열
15.1정부데이터취득
15.2대규모시계열데이터의탐색
15.3시계열데이터에대한실시간통계분석
15.4보충자료

CHAPTER16시계열패키지
16.1대규모예측
16.2이상감지
16.3그밖의시계열패키지
16.4보충자료

CHAPTER17시계열예측의미래전망
17.1서비스형예측
17.2딥러닝으로확률적가능성향상
17.3통계적방법보다중요성이더커진머신러닝방법
17.4머신러닝과통계를결합한방법론의증가
17.5일상으로스며든더많은예측

아마존데이터웨어하우스분야1위
시계열데이터분석을A부터Z까지다루는실전가이드

시계열분석은기상청,금융ㆍ정부기관등우리실생활과밀접한곳에서미래를예측하고대비하기위해사용됩니다.시계열데이터는사물인터넷으로인한데이터대량생산,헬스케어분야의디지털전환,스마트도시의부상등으로중요성이더커지고있으며,그영향력이모든산업분야로확장될것입니다.

이책은정확한시계열분석과예측을위해시계열데이터와모델링의파이프라인전체(획득,정리,시뮬레이션,저장,모델링)를실용적인관점에서폭넓게바라보고R과파이썬코드를곁들여설명합니다.전반부에서는시계열예측의전체과정을이해하는데기본이되는개념을소개합니다.시계열데이터의탐색,수집,정리와ARIMA,SARIMA모델등을다룹니다.후반부에서는MXNet과텐서플로를활용하여헬스케어,금융,정부데이터의연구사례에시계열기법을대입하는방법을배우고저자의풍부한경험을녹여낸다양한예제도소개합니다.

마지막으로각장에해당하는주제와필수기법에대한튜토리얼을제공하는링크를수록했습니다.이책한권이면실세계에서시계열데이터를활용하여시계열을분석하고예측하기위한준비를마칠수있습니다.이실전가이드로시계열예측의정확도를높일수있길바랍니다.

주요내용
● 시계열데이터탐색및정리
● 탐색적시계열데이터분석수행
● 시간데이터저장
● 시계열데이터시뮬레이션
● 시계열기능생성및선택
● 측정오류
● 머신러닝과딥러닝을활용한시계열예측및분류
● 정확도및성능평가

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