Boken "Advanced Forecasting with Python" av Joos Korstanje gir en omfattende innføring i maskinlæringsteknikker som er relevante for prognosearbeid. Den dekker et bredt spekter av emner, fra envariante og multivariate tidsserier til overvåket læring, samt banebrytende dyp læringsmodeller som LSTM, tilbakevendende nevrale nettverk, og de åpne kildemodellene Prophet fra Facebook og DeepAR fra Amazon. I stedet for å begrense seg til et spesifikt sett av modeller, gir denne boken en grundig oversikt over alle teknikker som er tilbys praktikere innen prognoser. Den begynner med å forklare de forskjellige kategoriene av modeller som er relevante for prognoseverktøy i et lettfattelig språk. Deretter går den videre til envariante og multivariate tidsseriemodeller, etterfulgt av avanserte maskinlærings- og dyp læringsmodeller. Boken avslutter med refleksjoner rundt modellvalg, som vurdering av referansescore mot forståeligheten av modeller og beregningstid, samt automatikken for retrening og oppdatering av modeller. Hver modell som presenteres i boken, blir grundig belyst med en intuitiv og enkel forklaring som gjør komplekse konsepter lett tilgjengelige for leseren.
