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.
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 Zeitfenstern arbeiten
Hier das ganze Inhaltsverzeichnis lesen.
Prognosen auf Basis maschinellen Lernens sind keine Hellseherei, sie beruhen auf erlernbaren Beziehungen etwa zwischen x- und y-Daten. Diese
Leseprobe beschäftigt sich mit dem Grundprinzip des Lernens, der linearen Regression, mittels der sich der Zusammenhang zweier Variablen modellieren lässt.
Wer hat's geschrieben?
Dr. Jochen Hirschle ist zertifizierter Java-Programmierer und als freiberuflicher IT-Trainer und Consultant im Bereich Data Science, Machine und Deep Learning tätig. Zuvor war er Projektleiter in der Marktforschung sowie Dozent und Forscher an den Universitäten in Köln, Innsbruck und Frankfurt/Main.
Weitere Bücher von Jochen Hirschle (2)
