파이썬 시계열 예측 분석 : 통계 모델, 딥러닝, 파이썬 라이브러리를 활용한 대규모 시계열 데이터 분석

파이썬 시계열 예측 분석 : 통계 모델, 딥러닝, 파이썬 라이브러리를 활용한 대규모 시계열 데이터 분석

$40.07
Ask a Question
Vendor: 제이펍 - 마르쿠 페이셰이루
Type: 파이썬
SKU: 9791193926314
Categories: ALL BOOKS 신간도서 컴퓨터/인터넷 컴퓨터/인터넷_프로그래밍언어
Tags: 컴퓨터/인터넷_프로그래밍언어 파이썬시계열예측분석통계모델딥러닝파이썬라이브러리를활용한대규모시계열데이터분석
Description
현장 실무 예제로 배우는 시계열 분석과 응용
데이터 과학에서 시간에 따른 변화 패턴을 분석하여 다양한 예측 모델을 구축하면, 미래 예측은 물론 다양한 의사결정에 도움이 된다. 이 책에서는 파이썬 코드로 완벽하게 작동하는 시계열 예측 방법을 소개한다. 시계열 데이터를 정의하고, 베이스라인 모델을 개발하고, 통계적 모델과 텐서플로 및 최신 딥러닝 도구를 사용하여 대규모 모델 구축 방법을 학습하고, 자동화된 예측 라이브러리까지 다룬다. 구글 주가 동향, 항당뇨제 처방량 예측, 가정의 전력 소비량 예측 등 다양한 실무 사례로 시계열 예측 분석을 마스터하자.

저자

마르쿠페이셰이루

저자:마르쿠페이셰이루
캐나다대형은행의선임데이터과학자다.데이터과학을독학했고,금융업계에취업하고일하기위해알아야할것들에대해다양하게공부했다.실습에기반한학습법을추구하며,미디엄블로그,온라인강좌등으로지식을전파하고있다.

역자:동동구
현재전략기획업무를수행하고있다.이전에는B2C및B2B웹애플리케이션,Brew/WIPI/SKVM등의피처폰애플리케이션,iOS/안드로이드/윈도우폰/타이젠애플리케이션등의설계및개발,엔지니어관리업무를수행했다.최근에는국내개발자들을위해IT서적을번역하고있으며,옮긴책으로는《MLOps도입가이드》,《파이썬비동기라이브러리Asyncio》(이상한빛미디어)가있다.

목차


옮긴이머리말xiii
베타리더후기xiv
머리말xvi
감사의말xviii
이책에대하여xix
표지에대하여xxiii

PARTI시간은그누구도기다려주지않는다
CHAPTER1시계열예측의이해3
1.1시계열소개4
__1.1.1시계열의구성요소5
1.2시계열예측에대한조감도8
__1.2.1목적설정하기10/1.2.2목적을달성하기위해무엇을예측해야하는지결정하기10/1.2.3예측할기간설정하기10/1.2.4데이터수집하기10/1.2.5예측모델개발하기11/1.2.6상용환경에배포하기12/1.2.7모니터링하기12/1.2.8새로운데이터수집하기12
1.3시계열예측이다른회귀작업들과다른점13
__1.3.1시계열에는순서가있다13/1.3.2시계열에특징이없는경우가있다14
1.4다음단계14
요약15

CHAPTER2단순하게미래예측하기16
2.1베이스라인모델정의하기18
2.2과거평균으로예측하기19
__2.2.1베이스라인구현을위한설정20/2.2.2과거평균기반베이스라인모델구현하기22
2.3작년의평균으로예측하기27
2.4마지막으로측정된값으로예측하기29
2.5단순한계절적예측구현하기31
2.6다음단계32
요약33

CHAPTER3확률보행따라가보기35
3.1확률보행프로세스37
__3.1.1확률보행프로세스시뮬레이션하기37
3.2확률보행식별하기40
__3.2.1정상성42/3.2.2정상성테스트하기44/3.2.3자기상관함수48/3.2.4모든것을종합하기48/3.2.5GOOGL은확률보행인가?52
3.3확률보행예측하기55
__3.3.1긴기간예측하기55/3.3.2다음시간단계예측하기61
3.4다음단계64
3.5연습65
__3.5.1확률보행시뮬레이션하기와예측하기65/3.5.2GOOGL의일일종가예측하기66/3.5.3직접선택한종목의일일종가예측하기66
요약67

PART2통계적모델을사용하여예측하기
CHAPTER4이동평균과정모델링하기71
4.1이동평균과정정의하기73
__4.1.1이동평균과정의차수식별하기75
4.2이동평균과정예측하기80
4.3다음단계90
4.4연습91
__4.4.1MA(2)프로세스시뮬레이션하고예측수행하기92/4.4.2MA(q)프로세스시뮬레이션하고예측수행하기92
요약93

CHAPTER5자기회귀과정모델링하기94
5.1소매점의주간평균유동인구예측하기95
5.2자기회귀과정정의하기97
5.3정상적자기회귀과정의차수찾기98
__5.3.1편자기상관함수104
5.4자기회귀과정예측하기107
5.5다음단계114
5.6연습114
__5.6.1AR(2)프로세스시뮬레이션하고예측수행하기114/5.6.2AR(p)프로세스시뮬레이션하고예측수행하기115
요약115

CHAPTER6복잡한시계열모델링하기116
6.1데이터센터의대역폭사용량예측하기117
6.2자기회귀이동평균과정살펴보기120
6.3정상적ARMA프로세스식별하기122
6.4일반적모델링절차고안하기128
__6.4.1아카이케정보기준이해하기130/6.4.2AIC를사용하여모델선택하기132/6.4.3잔차분석이해하기134/6.4.4잔차분석수행하기139
6.5일반적모델링절차적용하기143
6.6대역폭사용량예측하기152
6.7다음단계157
6.8연습157
__6.8.1시뮬레이션된ARMA(1,1)프로세스에대한예측수행하기158/6.8.2ARMA(2,2)프로세스시뮬레이션하고예측수행하기158
요약159

CHAPTER7비정상적시계열예측하기161
7.1자기회귀누적이동평균모델정의하기164
7.2비정상적시계열에적용하기위해일반적모델링절차수정하기165
7.3비정상적시계열예측하기167
7.4다음단계177
7.5연습177
__7.5.14장,5장,6장의데이터집합에ARIMA(p,d,q)모델적용하기177
요약178

CHAPTER8계절성고려하기179
8.1SARIMA(p,d,q)(P,D,Q)m모델살펴보기180
8.2시계열에서계절별패턴식별하기183
8.3월간항공승객수예측하기187
__8.3.1ARIMA(p,d,q)모델을사용하여예측하기190/8.3.2SARIMA(p,d,q)(P,D,Q)m모델을사용하여예측하기196/8.3.3각예측방법의성능비교하기200
8.4다음단계203
8.5연습203
__8.5.1존슨앤드존슨데이터집합에SARIMA(p,d,q)(P,D,Q)m모델적용하기203
요약204

CHAPTER9모델에외생변수추가하기205
9.1SARIMAX모델살펴보기207
__9.1.1미국거시경제데이터집합의외생변수탐색하기208/9.1.2SARIMAX사용시유의사항211
9.2SARIMAX모델을사용하여실질GDP예측하기212
9.3다음단계221
9.4연습222
__9.4.1SARIMAX모델에모든외생변수를사용하여실질GDP예측하기222
요약222

CHAPTER10다중시계열예측하기223
10.1VAR모델살펴보기225
10.2VAR(p)모델에대한모델링절차설계하기227
__10.2.1그레인저인과관계테스트살펴보기229
10.3실질가처분소득과실질소비예측하기230
10.4다음단계242
10.5연습243
__10.5.1VARMA모델을사용하여realdpi와realcons예측하기243/10.5.2VARMAX모델을사용하여realdpi와realcons예측하기244
요약244

CHAPTER11캡스톤프로젝트:호주의항당뇨제처방건수예측하기245
11.1필요한라이브러리임포트하고데이터로딩하기247
11.2수열과그구성요소시각화하기248
11.3데이터로모델링하기250
__11.3.1모델선택수행하기253/11.3.2잔차분석수행하기254
11.4예측을수행하고,모델성능평가하기256
11.5다음단계260

PART3딥러닝을활용하여대규모예측하기
CHAPTER12시계열예측을위한딥러닝소개하기263
12.1시계열예측에딥러닝을사용해야하는경우264
12.2다양한유형의딥러닝모델살펴보기265
12.3예측을위한딥러닝적용준비하기268
__12.3.1데이터탐색수행하기268/12.3.2특징엔지니어링과데이터분할272
12.4다음단계277
12.5연습277
요약278

CHAPTER13딥러닝을위해데이터윈도잉하고베이스라인모델만들기279
13.1데이터윈도우만들기280
__13.1.1시계열예측을위한딥러닝모델을훈련하는방법살펴보기280
__13.1.2DataWindow클래스구현하기284
13.2베이스라인모델적용하기292
__13.2.1단일단계베이스라인모델292
__13.2.2다중단계베이스라인모델295
__13.2.3다중출력베이스라인모델299
13.3다음단계303
13.4연습303
요약304

CHAPTER14딥러닝첫걸음305
14.1선형모델구현하기306
__14.1.1단일단계선형모델구현하기307/14.1.2다중단계선형모델구현하기309/14.1.3다중출력선형모델구현하기311
14.2심층신경망구현하기312
__14.2.1단일단계모델로심층신경망구현하기314/14.2.2다중단계모델로심층신경망구현하기317/14.2.3다중출력모델로서심층신경망구현하기319
14.3다음단계320
14.4연습321
요약322

CHAPTER15LSTM으로과거기억하기323
15.1순환신경망살펴보기324
15.2LSTM아키텍처살펴보기326
__15.2.1망각게이트327/15.2.2입력게이트329/15.2.3출력게이트330
15.3LSTM아키텍처구현하기332
__15.3.1단일단계모델로서LSTM구현하기332/15.3.2다중단계모델로서LSTM구현하기335/15.3.3다중출력모델로서LSTM구현하기338
15.4다음단계341
15.5연습342
요약343

CHAPTER16CNN으로시계열필터링하기344
16.1CNN살펴보기345
16.2CNN구현하기349
__16.2.1CNN을단일단계모델로서구현하기350/16.2.2CNN을다중단계모델로서구현하기354/16.2.3CNN을다중출력모델로서구현하기356
16.3다음단계359
16.4연습359
요약361

CHAPTER17예측으로더많은예측하기362
17.1ARLSTM아키텍처살펴보기363
17.2자기회귀LSTM모델구축하기364
17.3다음단계370
17.4연습371
요약371

CHAPTER18캡스톤프로젝트:가정의전력소비량예측하기372
18.1캡스톤프로젝트이해하기373
__18.1.1캡스톤프로젝트의목표375
18.2데이터랭글링및전처리하기376
__18.2.1누락된데이터처리하기377/18.2.2데이터변환379/18.2.3데이터리샘플링하기379
18.3특징엔지니어링382
__18.3.1불필요한열제거하기383/18.3.2계절적기간식별하기383/18.3.3데이터를분할하고규모조정하기386
18.4딥러닝으로모델링할준비하기387
__18.4.1초기설정387/18.4.2DataWindow클래스정의하기389/18.4.3모델훈련을위한유틸리티함수391
18.5딥러닝으로모델링하기392
__18.5.1베이스라인모델392/18.5.2선형모델396/18.5.3심층신경망397/18.5.4장단기메모리모델398/18.5.5합성곱신경망399/18.5.6CNN과LSTM결합하기401/18.5.7자기회귀LSTM모델402/18.5.8최적의모델선택하기404
18.6다음단계406

PART4대규모예측자동화하기
CHAPTER19Prophet으로시계열예측자동화하기409
19.1자동화된예측라이브러리들에대한개관410
19.2Prophet살펴보기412
19.3Prophet을사용하여기본적예측해보기414
19.4Prophet의고급기능살펴보기420
__19.4.1시각화기능421/1

출판사 서평

R에서파이썬으로전환하는시계열데이터과학

전통적인통계분석에서R은훌륭한언어지만,만능에가까운파이썬으로대체할수있다면통계분석은물론딥러닝모델과자동화된예측라이브러리까지다양한활용이가능해진다.마르쿠페이셰이루는시계열예측을공부하며R로되어있는많은코드를파이썬으로변환하며학습하였고,파이썬기반시계열예측에대한종합적인참고자료로만들고자이책을썼다.
이책은파이썬을이용하여이동평균,자기회귀,SARIMAX등통계적모델을기반으로한예측분석부터,LSTM,CNN아키텍처등딥러닝기반예측,Prophet,SARIMAX모델을이용한자동화된예측라이브러리까지다루고있다.특히주제별로적절한예시를통해데이터수집부터모델을구축하고예측값을찾는과정을차근차근보여준다.독자는실습을따라하며예측값과실젯값이점점가까워지는경험을하게될것이다.
데이터과학에서시간의변화는무시할수없는중요한요소다.구글주가동향,데이터센터의대역폭사용량예측,월간항공승객수예측,항당뇨제처방량예측,가정의전력소비량예측등다양한실무예제를통해시계열예측분석기법을차근차근배워보자.이책을마치고나면당장실무에서사용할수있는다양한시계열데이터과학기술을익힐수있을것이다.

주요내용
●시계열데이터의개념과기본모델개발
●이동평균,자기회귀,SARIMAX등통계적모델기반예측
●LSTM,CNN아키텍처등딥러닝기반예측
●Prophet,SARIMAX모델을이용한자동화된예측라이브러리