Machine Learning f�r Zeitreihen: Einstieg in Regressions-, ARIMA- und Deep Learning-Verfahren mit Python. Inkl. E-Book - Hirschle, Jochen: 9783446467262

Image fournie par le vendeur

Machine Learning f�r Zeitreihen

Jochen Hirschle

Edit� par Hanser Fachbuchverlag Dez 2020, 2020

ISBN 10 : 3446467262 ISBN 13 : 9783446467262

Neuf Couverture rigide

Vendeur : Rheinberg-Buch Andreas Meier eK, Bergisch Gladbach, Allemagne

�valuation du vendeur 5 sur 5 �toiles

Kombiprodukt. Etat : Neu. Neuware -- Konzepte Schritt f�r Schritt erkl�rt- Die Eigenarten von Zeitreihendaten verstehen: Zeitfenster zum Anlernen einsetzen; mit latenten, saisonalen und Trend-Komponenten arbeiten- Anleitungen zur Umsetzung in Python mit ausf�hrlichen Code-Kommentaren- Mit TensorFlow2 Deep-Learning-Verfahren zur Prognose aufbauen, anlernen und produktiv einsetzen Daten �ber Vorg�nge werden in der verarbeitenden Industrie, der Logistik oder im Finanzsektor im Sekundentakt aufgezeichnet: der Verlauf eines Aktienkurses, die Verkaufszahlen eines Produkts, die Sensordaten einer Turbine. Solche Daten informieren nicht nur �ber isolierte Zust�nde; sie sind wie Filme, die den Verlauf eines Vorgangs mit einer Serie einzelner Bilder nachzeichnen. Intelligente Algorithmen k�nnen die Muster dieser Verl�ufe analysieren, sie anlernen und �ber das Beobachtungsfenster hinaus fortschreiben: Zust�nde in der Zukunft werden prognostizierbar.Das Buch bietet eine leicht verst�ndliche Einf�hrung in die Konzepte und die Praxis der Zeitreihenanalyse. Es zeigt, wie bew�hrte und neuere Lernalgorithmen arbeiten und wie sie sich mit Python anlernen und produktiv einsetzen lassen. An einer Vielzahl von Anwendungsbeispielen werden die Vorbereitung der Daten, der Anlern- und Sch�tzprozess Schritt f�r Schritt erkl�rt.Aus dem Inhalt:- Zeitreihendaten mit pandas aufbereiten, fehlende Daten imputieren, mit Datumsangaben arbeiten- Grundprinzipien maschinellen Lernens: Konzepte und Umsetzung mit Python und Scikit-Learn- Feature-Preprocessing: Standardisierung, Dimensionsreduktion, Verarbeitung kategorialer Daten - ARIMA-Modelle zur Analyse univariater Zeitreihen: Vorbereitung, Anlernen und Prognose mit Python und Statsmodels- Komplexe Zeitreihen mit Deep-Learning-Verfahren analysieren: Rekurrente und konvolutionale Netze verstehen und mit Python und TensorFlow 2 aufbauen und anlernen- Mit Zeifenstern arbeiten Vorkenntnisse in Machine-Learning-Verfahren sind nicht notwendig. Grundlegende Statistik- und Python-Kenntnisse sollten vorhanden sein.Der komplette Code im Buch sowie die Beispieldateien sind �ber ein GitHub-Repository verf�gbar.EXTRA: Elektronisches Buch inside. Systemvoraussetzungen f�r Elektronisches Buch inside: Internet-Verbindung und Adobe-Reader oder Elektronisches Buch-Reader bzw. Adobe Digital Editions. 277 pp. Deutsch. N� de r�f. du vendeur 9783446467262

Contacter le vendeur

Acheter neuf

EUR 39,99

Exp�dition �EUR 23
Exp�dition depuis Allemagne vers Etats-Unis

Quantit� disponible : 1 disponible(s)

Ajouter au panier

Image fournie par le vendeur

Machine Learning f�r Zeitreihen

Jochen Hirschle

Edit� par Hanser Fachbuchverlag Dez 2020, 2020

ISBN 10 : 3446467262 ISBN 13 : 9783446467262

Neuf Couverture rigide

Vendeur : BuchWeltWeit Ludwig Meier e.K., Bergisch Gladbach, Allemagne

�valuation du vendeur 5 sur 5 �toiles

Kombiprodukt. Etat : Neu. Neuware -- Konzepte Schritt f�r Schritt erkl�rt- Die Eigenarten von Zeitreihendaten verstehen: Zeitfenster zum Anlernen einsetzen; mit latenten, saisonalen und Trend-Komponenten arbeiten- Anleitungen zur Umsetzung in Python mit ausf�hrlichen Code-Kommentaren- Mit TensorFlow2 Deep-Learning-Verfahren zur Prognose aufbauen, anlernen und produktiv einsetzen Daten �ber Vorg�nge werden in der verarbeitenden Industrie, der Logistik oder im Finanzsektor im Sekundentakt aufgezeichnet: der Verlauf eines Aktienkurses, die Verkaufszahlen eines Produkts, die Sensordaten einer Turbine. Solche Daten informieren nicht nur �ber isolierte Zust�nde; sie sind wie Filme, die den Verlauf eines Vorgangs mit einer Serie einzelner Bilder nachzeichnen. Intelligente Algorithmen k�nnen die Muster dieser Verl�ufe analysieren, sie anlernen und �ber das Beobachtungsfenster hinaus fortschreiben: Zust�nde in der Zukunft werden prognostizierbar.Das Buch bietet eine leicht verst�ndliche Einf�hrung in die Konzepte und die Praxis der Zeitreihenanalyse. Es zeigt, wie bew�hrte und neuere Lernalgorithmen arbeiten und wie sie sich mit Python anlernen und produktiv einsetzen lassen. An einer Vielzahl von Anwendungsbeispielen werden die Vorbereitung der Daten, der Anlern- und Sch�tzprozess Schritt f�r Schritt erkl�rt.Aus dem Inhalt:- Zeitreihendaten mit pandas aufbereiten, fehlende Daten imputieren, mit Datumsangaben arbeiten- Grundprinzipien maschinellen Lernens: Konzepte und Umsetzung mit Python und Scikit-Learn- Feature-Preprocessing: Standardisierung, Dimensionsreduktion, Verarbeitung kategorialer Daten - ARIMA-Modelle zur Analyse univariater Zeitreihen: Vorbereitung, Anlernen und Prognose mit Python und Statsmodels- Komplexe Zeitreihen mit Deep-Learning-Verfahren analysieren: Rekurrente und konvolutionale Netze verstehen und mit Python und TensorFlow 2 aufbauen und anlernen- Mit Zeifenstern arbeiten Vorkenntnisse in Machine-Learning-Verfahren sind nicht notwendig. Grundlegende Statistik- und Python-Kenntnisse sollten vorhanden sein.Der komplette Code im Buch sowie die Beispieldateien sind �ber ein GitHub-Repository verf�gbar.EXTRA: Elektronisches Buch inside. Systemvoraussetzungen f�r Elektronisches Buch inside: Internet-Verbindung und Adobe-Reader oder Elektronisches Buch-Reader bzw. Adobe Digital Editions. 277 pp. Deutsch. N� de r�f. du vendeur 9783446467262

Contacter le vendeur

Acheter neuf

EUR 39,99

Exp�dition �EUR 23
Exp�dition depuis Allemagne vers Etats-Unis

Quantit� disponible : 1 disponible(s)

Ajouter au panier

Image d'archives

Machine Learning f?r Zeitreihen: Einstieg in Regressions-, ARIMA- und Deep Learning-Verfahren mit Python. Inkl. E-Book

Hirschle, Jochen

ISBN 10 : 3446467262 ISBN 13 : 9783446467262

Neuf Couverture rigide

Vendeur : Majestic Books, Hounslow, Royaume-Uni

�valuation du vendeur 4 sur 5 �toiles

Etat : New. N� de r�f. du vendeur 400475505

Contacter le vendeur

Acheter neuf

EUR 56,90

Exp�dition �EUR 7,56
Exp�dition depuis Royaume-Uni vers Etats-Unis

Quantit� disponible : 1 disponible(s)

Ajouter au panier

Image fournie par le vendeur

Machine Learning f�r Zeitreihen

Jochen Hirschle

Edit� par Hanser Fachbuchverlag Dez 2020, 2020

ISBN 10 : 3446467262 ISBN 13 : 9783446467262

Neuf Couverture rigide

Vendeur : Wegmann1855, Zwiesel, Allemagne

�valuation du vendeur 5 sur 5 �toiles

Kombiprodukt. Etat : Neu. Neuware -- Konzepte Schritt f�r Schritt erkl�rt- Die Eigenarten von Zeitreihendaten verstehen: Zeitfenster zum Anlernen einsetzen; mit latenten, saisonalen und Trend-Komponenten arbeiten- Anleitungen zur Umsetzung in Python mit ausf�hrlichen Code-Kommentaren- Mit TensorFlow2 Deep-Learning-Verfahren zur Prognose aufbauen, anlernen und produktiv einsetzen Daten �ber Vorg�nge werden in der verarbeitenden Industrie, der Logistik oder im Finanzsektor im Sekundentakt aufgezeichnet: der Verlauf eines Aktienkurses, die Verkaufszahlen eines Produkts, die Sensordaten einer Turbine. Solche Daten informieren nicht nur �ber isolierte Zust�nde; sie sind wie Filme, die den Verlauf eines Vorgangs mit einer Serie einzelner Bilder nachzeichnen. Intelligente Algorithmen k�nnen die Muster dieser Verl�ufe analysieren, sie anlernen und �ber das Beobachtungsfenster hinaus fortschreiben: Zust�nde in der Zukunft werden prognostizierbar.Das Buch bietet eine leicht verst�ndliche Einf�hrung in die Konzepte und die Praxis der Zeitreihenanalyse. Es zeigt, wie bew�hrte und neuere Lernalgorithmen arbeiten und wie sie sich mit Python anlernen und produktiv einsetzen lassen. An einer Vielzahl von Anwendungsbeispielen werden die Vorbereitung der Daten, der Anlern- und Sch�tzprozess Schritt f�r Schritt erkl�rt.Aus dem Inhalt:- Zeitreihendaten mit pandas aufbereiten, fehlende Daten imputieren, mit Datumsangaben arbeiten- Grundprinzipien maschinellen Lernens: Konzepte und Umsetzung mit Python und Scikit-Learn- Feature-Preprocessing: Standardisierung, Dimensionsreduktion, Verarbeitung kategorialer Daten - ARIMA-Modelle zur Analyse univariater Zeitreihen: Vorbereitung, Anlernen und Prognose mit Python und Statsmodels- Komplexe Zeitreihen mit Deep-Learning-Verfahren analysieren: Rekurrente und konvolutionale Netze verstehen und mit Python und TensorFlow 2 aufbauen und anlernen- Mit Zeifenstern arbeiten Vorkenntnisse in Machine-Learning-Verfahren sind nicht notwendig. Grundlegende Statistik- und Python-Kenntnisse sollten vorhanden sein.Der komplette Code im Buch sowie die Beispieldateien sind �ber ein GitHub-Repository verf�gbar.EXTRA: Elektronisches Buch inside. Systemvoraussetzungen f�r Elektronisches Buch inside: Internet-Verbindung und Adobe-Reader oder Elektronisches Buch-Reader bzw. Adobe Digital Editions. N� de r�f. du vendeur 9783446467262

Contacter le vendeur

Acheter neuf

EUR 39,99

Exp�dition �EUR 25,95
Exp�dition depuis Allemagne vers Etats-Unis

Quantit� disponible : 1 disponible(s)

Ajouter au panier

Image d'archives

Machine Learning f?r Zeitreihen: Einstieg in Regressions-, ARIMA- und Deep Learning-Verfahren mit Python. Inkl. E-Book

Hirschle, Jochen

ISBN 10 : 3446467262 ISBN 13 : 9783446467262

Neuf Couverture rigide

Vendeur : Books Puddle, New York, NY, Etats-Unis

�valuation du vendeur 4 sur 5 �toiles

Etat : New. N� de r�f. du vendeur 26396982958

Contacter le vendeur

Acheter neuf

EUR 64,72

Exp�dition �EUR 3,43
Exp�dition nationale�: Etats-Unis

Quantit� disponible : 1 disponible(s)

Ajouter au panier

Image fournie par le vendeur

Machine Learning f�r Zeitreihen

Hirschle, Jochen

Edit� par Hanser Fachbuchverlag, 2020

ISBN 10 : 3446467262 ISBN 13 : 9783446467262

Neuf Couverture rigide

Vendeur : moluna, Greven, Allemagne

�valuation du vendeur 5 sur 5 �toiles

Etat : New. - Konzepte Schritt fuer Schritt erklaert- Die Eigenarten von Zeitreihendaten verstehen: Zeitfenster zum Anlernen einsetzen mit latenten, saisonalen und Trend-Komponenten arbeiten- Anleitungen zur Umsetzung in Python mit ausfuehrlichen Code-Kommentaren. N� de r�f. du vendeur 407465400

Contacter le vendeur

Acheter neuf

EUR 39,99

Exp�dition �EUR 48,99
Exp�dition depuis Allemagne vers Etats-Unis

Quantit� disponible : 2 disponible(s)

Ajouter au panier

Image fournie par le vendeur

Machine Learning f�r Zeitreihen

Jochen Hirschle

Edit� par Hanser Fachbuchverlag Dez 2020, 2020

ISBN 10 : 3446467262 ISBN 13 : 9783446467262

Neuf Couverture rigide

Vendeur : buchversandmimpf2000, Emtmannsberg, BAYE, Allemagne

�valuation du vendeur 5 sur 5 �toiles

Kombiprodukt. Etat : Neu. Neuware -- Konzepte Schritt f�r Schritt erkl�rt- Die Eigenarten von Zeitreihendaten verstehen: Zeitfenster zum Anlernen einsetzen; mit latenten, saisonalen und Trend-Komponenten arbeiten- Anleitungen zur Umsetzung in Python mit ausf�hrlichen Code-Kommentaren- Mit TensorFlow2 Deep-Learning-Verfahren zur Prognose aufbauen, anlernen und produktiv einsetzen Daten �ber Vorg�nge werden in der verarbeitenden Industrie, der Logistik oder im Finanzsektor im Sekundentakt aufgezeichnet: der Verlauf eines Aktienkurses, die Verkaufszahlen eines Produkts, die Sensordaten einer Turbine. Solche Daten informieren nicht nur �ber isolierte Zust�nde; sie sind wie Filme, die den Verlauf eines Vorgangs mit einer Serie einzelner Bilder nachzeichnen. Intelligente Algorithmen k�nnen die Muster dieser Verl�ufe analysieren, sie anlernen und �ber das Beobachtungsfenster hinaus fortschreiben: Zust�nde in der Zukunft werden prognostizierbar.Das Buch bietet eine leicht verst�ndliche Einf�hrung in die Konzepte und die Praxis der Zeitreihenanalyse. Es zeigt, wie bew�hrte und neuere Lernalgorithmen arbeiten und wie sie sich mit Python anlernen und produktiv einsetzen lassen. An einer Vielzahl von Anwendungsbeispielen werden die Vorbereitung der Daten, der Anlern- und Sch�tzprozess Schritt f�r Schritt erkl�rt.Aus dem Inhalt:- Zeitreihendaten mit pandas aufbereiten, fehlende Daten imputieren, mit Datumsangaben arbeiten- Grundprinzipien maschinellen Lernens: Konzepte und Umsetzung mit Python und Scikit-Learn- Feature-Preprocessing: Standardisierung, Dimensionsreduktion, Verarbeitung kategorialer Daten - ARIMA-Modelle zur Analyse univariater Zeitreihen: Vorbereitung, Anlernen und Prognose mit Python und Statsmodels- Komplexe Zeitreihen mit Deep-Learning-Verfahren analysieren: Rekurrente und konvolutionale Netze verstehen und mit Python und TensorFlow 2 aufbauen und anlernen- Mit Zeifenstern arbeiten Vorkenntnisse in Machine-Learning-Verfahren sind nicht notwendig. Grundlegende Statistik- und Python-Kenntnisse sollten vorhanden sein.Der komplette Code im Buch sowie die Beispieldateien sind �ber ein GitHub-Repository verf�gbar.EXTRA: Elektronisches Buch inside. Systemvoraussetzungen f�r Elektronisches Buch inside: Internet-Verbindung und Adobe-Reader oder Elektronisches Buch-Reader bzw. Adobe Digital Editions.Carl Hanser Verlag GmbH & Co.KG, Vilshofener Stra�e 10, 81679 M�nchen 277 pp. Deutsch. N� de r�f. du vendeur 9783446467262

Contacter le vendeur

Acheter neuf

EUR 39,99

Exp�dition �EUR 60
Exp�dition depuis Allemagne vers Etats-Unis

Quantit� disponible : 1 disponible(s)

Ajouter au panier

Image fournie par le vendeur

Machine Learning f�r Zeitreihen : Einstieg in Regressions-, ARIMA- und Deep Learning-Verfahren mit Python. Inkl. E-Book

Jochen Hirschle

Edit� par Hanser Fachbuchverlag Dez 2020, 2020

ISBN 10 : 3446467262 ISBN 13 : 9783446467262

Neuf Couverture rigide

Vendeur : AHA-BUCH GmbH, Einbeck, Allemagne

�valuation du vendeur 5 sur 5 �toiles

B�ndel. Etat : Neu. Neuware - - Konzepte Schritt f�r Schritt erkl�rt- Die Eigenarten von Zeitreihendaten verstehen: Zeitfenster zum Anlernen einsetzen; mit latenten, saisonalen und Trend-Komponenten arbeiten- Anleitungen zur Umsetzung in Python mit ausf�hrlichen Code-Kommentaren- Mit TensorFlow2 Deep-Learning-Verfahren zur Prognose aufbauen, anlernen und produktiv einsetzen Daten �ber Vorg�nge werden in der verarbeitenden Industrie, der Logistik oder im Finanzsektor im Sekundentakt aufgezeichnet: der Verlauf eines Aktienkurses, die Verkaufszahlen eines Produkts, die Sensordaten einer Turbine. Solche Daten informieren nicht nur �ber isolierte Zust�nde; sie sind wie Filme, die den Verlauf eines Vorgangs mit einer Serie einzelner Bilder nachzeichnen. Intelligente Algorithmen k�nnen die Muster dieser Verl�ufe analysieren, sie anlernen und �ber das Beobachtungsfenster hinaus fortschreiben: Zust�nde in der Zukunft werden prognostizierbar.Das Buch bietet eine leicht verst�ndliche Einf�hrung in die Konzepte und die Praxis der Zeitreihenanalyse. Es zeigt, wie bew�hrte und neuere Lernalgorithmen arbeiten und wie sie sich mit Python anlernen und produktiv einsetzen lassen. An einer Vielzahl von Anwendungsbeispielen werden die Vorbereitung der Daten, der Anlern- und Sch�tzprozess Schritt f�r Schritt erkl�rt.Aus dem Inhalt:- Zeitreihendaten mit pandas aufbereiten, fehlende Daten imputieren, mit Datumsangaben arbeiten- Grundprinzipien maschinellen Lernens: Konzepte und Umsetzung mit Python und Scikit-Learn- Feature-Preprocessing: Standardisierung, Dimensionsreduktion, Verarbeitung kategorialer Daten - ARIMA-Modelle zur Analyse univariater Zeitreihen: Vorbereitung, Anlernen und Prognose mit Python und Statsmodels- Komplexe Zeitreihen mit Deep-Learning-Verfahren analysieren: Rekurrente und konvolutionale Netze verstehen und mit Python und TensorFlow 2 aufbauen und anlernen- Mit Zeifenstern arbeiten Vorkenntnisse in Machine-Learning-Verfahren sind nicht notwendig. Grundlegende Statistik- und Python-Kenntnisse sollten vorhanden sein.Der komplette Code im Buch sowie die Beispieldateien sind �ber ein GitHub-Repository verf�gbar.EXTRA: Elektronisches Buch inside. Systemvoraussetzungen f�r Elektronisches Buch inside: Internet-Verbindung und Adobe-Reader oder Elektronisches Buch-Reader bzw. Adobe Digital Editions. N� de r�f. du vendeur 9783446467262

Contacter le vendeur

Acheter neuf

EUR 39,99

Exp�dition �EUR 63,15
Exp�dition depuis Allemagne vers Etats-Unis

Quantit� disponible : 1 disponible(s)

Ajouter au panier

Articles li�s � Machine Learning f�r Zeitreihen: Einstieg in Regressions-,...

Machine Learning f�r Zeitreihen: Einstieg in Regressions-, ARIMA- und Deep Learning-Verfahren mit Python. Inkl. E-Book - Couverture rigide

Hirschle, Jochen

R�sultats de recherche pour Machine Learning f�r Zeitreihen: Einstieg in Regressions-,...

Machine Learning f�r Zeitreihen

Acheter neuf

Machine Learning f�r Zeitreihen

Acheter neuf

Machine Learning f?r Zeitreihen: Einstieg in Regressions-, ARIMA- und Deep Learning-Verfahren mit Python. Inkl. E-Book

Acheter neuf

Machine Learning f�r Zeitreihen

Acheter neuf

Machine Learning f?r Zeitreihen: Einstieg in Regressions-, ARIMA- und Deep Learning-Verfahren mit Python. Inkl. E-Book

Acheter neuf

Machine Learning f�r Zeitreihen

Acheter neuf

Machine Learning f�r Zeitreihen

Acheter neuf

Machine Learning f�r Zeitreihen : Einstieg in Regressions-, ARIMA- und Deep Learning-Verfahren mit Python. Inkl. E-Book

Acheter neuf