Machine Learning für Zeitreihen

In vielen Geschäftsfeldern fallen Zeitreihendaten an - in der Finanzbranche, Logistik in der industriellen Produktion und vielen mehr. Diese bilden nicht nur eine Momentaufnahme, sondern veranschaulichen den Verlauf eines Ist-Zustands. Hieraus lassen sich wichtige Zusammenhänge ablesen. Wenn mit einem intelligenten Algorithmus in diesen Daten ein Muster erkannt wird, kann die Zeitreihe über den Messvorgang hinaus fortgesetzt werden. So werden Ereignisse prognostizierbar, etwa Aktienkurse oder Gesundheitsdaten.

Dieses Buch bietet Neulingen in diesem Bereich eine leicht verständliche Einführung in die Konzepte und die Praxis der Zeitreihenanalyse. Wie arbeiten die Lernalgorithmen, wie lassen sie sich mit Python anlernen und produktiv einsetzen? Jochen Hirschle erklärt Schritt für Schritt die Vorbereitung der Daten, der Anlern- und den Schätzprozess an einer Vielzahl von Anwendungsbeispielen.

Zum Verständnis des Buchs sind keine Vorkenntnisse in Machine-Learning-Verfahren notwendig, Sie sollten jedoch über grundlegende Statistik- und Python-Kenntnisse verfügen. Der komplette Code im Buch sowie die Beispieldateien sind über ein GitHub-Repository verfügbar.