Machine Learning for Time Series with Python (Paperback)
Langue : anglais
Edité par Packt Publishing Limited, Birmingham, 2026
- Livre broché
- Neuf
Vendeur : AussieBookSeller, Truganina, VIC, AustralieAussieBookSeller
Vendeur AbeBooks depuis 22 juin 2007
Etat: Neuf
EUR 82,15
Quantité disponible : 1 disponible
Ajouter au panierA propos de cet article
Paperback. Get better insights from time-series data and become proficient in building models with real-world dataKey FeaturesExplore time series forecasting and time series analysis in Python using ARIMA, SARIMA, GARCH, gradient boosting, and recurrent neural networks.Improve predictive modeling with feature engineering and forecasting machine learning techniques.Apply demand forecasting and financial forecasting methods through practical case studies and real-world datasets.Book DescriptionMachine 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, youll 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. Well 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, youll learn how to evaluate models, detect and handle anomalies and drift, and choose approaches that match data and operational needs.What you will learnApply classical time series models such as ETS, ARIMA, and ThetaValidate with SMAPE, MASE, RMSSE and rolling window, and walk-forwardForecast as regression with sktime, darts, mlforecast, and skforecastUse modern deep learning like LSTMs, DLinear, TSMixer, and TimesNetGrasp foundation models such as TimesFM, OpenTSLM, or Chain-of-ChartsQuantify uncertainty quantification with conformalized regressionSet up feature stores, MLflow, and monitoring and scaling strategiesHandle classification, drift, spatiotemporal and irregular time seriesWho this book is forThis book is ideal for data analysts, data scientists, and Python developers who want instantly useful and practical recipes to implement today, and a comprehensive reference book for tomorrow. Basic knowledge of the Python Programming language is a must, while familiarity with statistics will help you get the most out of this book. Gain practical skills in time series forecasting, time series analysis, and predictive modeling with Python. Learn ARIMA, SARIMA, gradient boosting, recurrent neural networks, and feature engineering through real-world forecasting examples. This item is printed on demand. Shipping may be from our Sydney, NSW warehouse or from our UK or US warehouse, depending on stock availability.…
N° de réf. du vendeur 9781837631339
- Titre
- Machine Learning for Time Series with Python (Paperback)
- Auteur
- Dr. Ben Auffarth
- Éditeur
- Packt Publishing Limited, Birmingham
- Année de publication
- 2026
- État de l'article
- new
- Reliure
- Paperback
- Langue
- anglais
- ISBN à 10 chiffres
- 1837631336
- ISBN à 13 chiffres
- 9781837631339
- Édition
- 2ème Édition
Get better insights from time-series data and become proficient in building models with real-world data
Key Features
- Explore popular and state-of-the-art machine learning methods, including the latest online and deep learning algorithms
- Learn to increase the accuracy of your predictions by matching the right model to your problem
- Master time series in Python via real-world case studies on operations management, digital marketing, finance, and healthcare
Book Description
The Python time-series ecosystem is a huge and challenging topic to tackle, especially for time series since there are so many new libraries and models. Machine Learning for Time Series, Second Edition, aims to deepen your understanding of time series by providing a comprehensive overview of popular Python time-series packages and helping you build better predictive systems.
This fully updated second edition starts by re-introducing the basics of time series and then helps you get to grips with traditional autoregressive models as well as modern non-parametric models. By observing practical examples and the theory behind them, you will gain a deeper understanding of loading time-series datasets from any source and a variety of models, such as deep learning recurrent neural networks, causal convolutional network models, and gradient boosting with feature engineering. This book will also help you choose the right model for the right problem by explaining the theory behind several useful models. New updates include a chapter on forecasting and extracting signals on financial markets and case studies with relevant examples from operations management, digital marketing, and healthcare.
By the end of this book, you should feel at home with effectively analyzing and applying machine learning methods to time series.
What you will learn
- Visualize time series data with ease
- Characterize seasonal and correlation patterns through autocorrelation and statistical techniques
- Get to grips with classical time series models such as ARMA, ARIMA, and more
- Understand modern time series methods including the latest deep learning and gradient boosting methods
- Choose the right method to solve time-series problems
- Become familiar with libraries such as Prophet, sktime, statsmodels, XGBoost, and TensorFlow
- Understand both the advantages and disadvantages of common models
- Evaluate high-performance forecasting solutions
Who This Book Is For
This book is ideal for data analysts, data scientists, and Python developers who want instantly useful and practical recipes to implement today, and a comprehensive reference book for tomorrow. Basic knowledge of the Python Programming language is a must, while familiarity with statistics will help you get the most out of this book.
Table of Contents
- Introduction
- Dealing with Time Series in Python
- Time Series Analysis
- Forecasting with moving averages and autoregressive models
- Machine Learning for Time Series
- Unsupervised machine learning
- Drift and adaptive models
- Reinforcement learning
- Event time prediction
- Probabilistic models and confidence
- Deep Learning
- Multivariate forecasting
« Synopsis » peut appartenir à une autre édition de cet ouvrage.
À propos de l’auteur
« A propos de ce titre » peut appartenir à une autre édition de cet ouvrage.
AussieBookSeller
Truganina, VIC, Australie
Vendeur AbeBooks depuis 22 juin 2007
Frais d'expédition de Australie vers Etats-Unis
| Article | 25 à 45 jours ouvrés | 8 à 14 jours ouvrés |
|---|---|---|
| Premier article | EUR 33,19 | EUR 39,47 |
Modes de paiement
Profil professionnel du vendeur
The Nile Group Pty Ltd
42 Apex Drive
Truganina, VIC Australie 3029
Conditions de vente
We guarantee the condition of every book as it's described on the Abebooks web sites. If you're dissatisfied with your purchase (Incorrect Book/Not as Described/Damaged) or if the order hasn't arrived, you're eligible for a refund within 30 days of the estimated delivery date. If you've changed your mind about a book that you've ordered, please use the Ask bookseller a question link to contact us and we'll respond within 2 business days.
Droit de rétractation
Si vous êtes un consommateur, vous pouvez exercer votre droit de rétractation sur le contrat conformément à ce qui suit. Le mot « consommateur » désigne toute personne physique agissant à des fins qui n'entrent pas dans le cadre de son activité commerciale, artisanale ou professionnelle.
Informations concernant le droit de rétractation
Droit statutaire de rétractation
Vous avez le droit d'exercer votre droit de rétractation sur ce contrat dans les 14 jours sans donner de raison.
Le délai de rétractation expirera au bout de 14 jours à compter du jour où vous-même, ou un tiers autre que le transporteur et désigné par vous, prendrez physiquement possession de la dernière marchandise, du dernier lot ou de la dernière pièce.
Pour exercer votre droit de rétractation, remplissez électroniquement et envoyez une déclaration claire sur notre site Web, sous « Vos achats » dans « Votre compte ». Nous vous communiquerons sans délai un accusé de réception de cette rétractation sur un support durable (par exemple, par e-mail).
Pour respecter le délai de rétractation, il vous suffit d'envoyer votre message concernant l'exercice de votre droit de rétractation avant l'expiration du délai de rétractation.
Effets de la rétractation
Si vous exercez votre droit de rétractation sur ce contrat, nous vous rembourserons tous les paiements que vous avez effectués, y compris les frais de livraison (à l'exception des frais supplémentaires résultant du choix d'un mode de livraison autre que le type de livraison standard le moins cher que nous proposons).
Nous pouvons déduire du remboursement la perte de valeur de toute marchandise livrée, si la perte est le résultat d'une manipulation inutile de votre part.
Nous effectuerons le remboursement dans les meilleurs délais, et au plus tard 14 jours après le jour où nous aurons été informés de votre décision d'exercer votre droit de rétractation sur ce contrat.
Nous effectuerons le remboursement en utilisant le même moyen de paiement que celui que vous avez utilisé pour la transaction initiale, sauf si vous en avez expressément convenu autrement ; en tout état de cause, aucuns frais ne vous seront facturés à la suite d'un tel remboursement.
Nous pouvons suspendre le remboursement jusqu'à ce que nous ayons reçu les marchandises ou que vous ayez fourni la preuve que vous avez renvoyé les marchandises, en fonction de la première éventualité.
Vous devez renvoyer les marchandises ou les remettre à AussieBookSeller, Truganina, Victoria, Australia, sans retard injustifié et, en tout état de cause, au plus tard 14 jours à compter du jour où vous nous avez communiqué votre décision de rétractation du présent contrat. Le délai est respecté si vous renvoyez les marchandises avant l'expiration du délai de 14 jours. Vous devrez prendre en charge les frais directs du renvoi des marchandises. Vous n'êtes responsable que de toute diminution de valeur des marchandises résultant d'une manipulation autre que celle nécessaire pour établir la nature, les caractéristiques et le fonctionnement des marchandises.
Exceptions au droit de rétractation
Le droit de rétractation ne s'applique pas à ce qui suit :
- Distribution de journaux, de revues ou de magazines, à l'exception des contrats d'abonnement ; et
- Fourniture d'un contenu numérique qui n'est pas fourni sur un support matériel (par exemple, sur un CD ou un DVD) si vous avez accepté, lors de votre commande, que nous puissions commencer à le livrer et que vous ne puissiez pas exercer votre droit de rétractation une fois la livraison commencée.
Conditions d'expédition
Please note that titles are dispatched from our UK and NZ warehouse. Delivery times specified in shipping terms. Orders ship within 2 business days. Delivery to your door then takes 8-15 days.