I en tid hvor det å forutsi fremtiden blir stadig viktigere, enten det gjelder markedstrender, energibehov eller trafikk på nettsider, gir denne praktiske guiden deg verktøyene du trenger for å utvikle og implementere effektive modeller for tidsserieprognoser. Boken tar for seg både tradisjonelle statistiske metoder og de nyeste innovasjonene innen dyp læring. Leseren får innsikt i hvordan man kan bruke maskinlæring (ML) og globale modeller for å forbedre prognose nøyaktigheten, med praktiske eksempler som veileder deg gjennom prosessen. Du vil også kunne utvide ditt arsenal av tidsserieverktøy ved å bruke dyp læringsteknikker, inkludert Recurrent Neural Networks (RNNs), transformer-arkitekturer og N-BEATS. I tillegg får du en introduksjon til probabilistisk prognostisering ved hjelp av konformale prediksjoner, Monte Carlo dropout, og kvantilregresjoner. Kjøp av boken i trykt format eller som Kindle inkluderer en gratis e-bok i PDF-format, noe som gjør det enkelt for deg å ta med deg læringen hvor som helst.
