Machine Learning for Time Series with Python (Paperback)
Sprache: Englisch
Verlag: Packt Publishing Limited, Birmingham, 2026
- Softcover
- Neu
Anbieter: Grand Eagle Retail, Bensenville, IL, USAGrand Eagle Retail
Verkäufer:in bei AbeBooks seit 12. Oktober 2005
Zustand: Neu
EUR 56,90
Anzahl: 1 verfügbar
In den WarenkorbArtikelbeschreibung des Verkäufers
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 multiple locations in the US or from the UK, depending on stock availability.…
Bestandsnummer des Verkäufers 9781837631339
- Titel
- Machine Learning for Time Series with Python (Paperback)
- Autor
- Dr. Ben Auffarth
- Verlag
- Packt Publishing Limited, Birmingham
- Erscheinungsjahr
- 2026
- Zustand
- new
- Einband
- Paperback
- Sprache
- Englisch
- ISBN-10
- 1837631336
- ISBN-13
- 9781837631339
- Auflage
- 2. Auflage
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
„Inhaltsangabe“ gehört möglicherweise zu einer anderen Auflage dieses Titels.
Über die Autorin bzw. den Autor
„Über diesen Titel“ gehört möglicherweise zu einer anderen Auflage dieses Titels.
Grand Eagle Retail
Bensenville, IL, USA
Verkäufer:in bei AbeBooks seit 12. Oktober 2005
Versandkosten innerhalb von USA
| Artikel | 6 bis 14 Werktage | 6 bis 16 Werktage |
|---|---|---|
| Erster Artikel | EUR 0,00 | EUR 0,00 |
Zahlungsarten
Unternehmensdaten der Verkäuferin bzw. des Verkäufers
APOLLO ONLINE CORP.
605 Geddes Street
Wilmington, DE USA 19805
Verkaufsbedingungen
We guarantee the condition of every book as it¿s described on the Abebooks web sites. 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.
Books ship from California and Michigan.
Widerrufsrecht
Wenn Sie Verbraucher sind, können Sie gemäß den folgenden Bestimmungen vom Vertrag zurücktreten. Verbraucher ist jede natürliche Person, die zu Zwecken handelt, die nicht ihrer kaufmännischen, gewerblichen, künstlerischen oder beruflichen Tätigkeit zugerechnet werden können.
Informationen zum Widerrufsrecht
Gesetzliches Widerrufsrecht
Sie haben das Recht, den Vertrag innerhalb von 14 Tagen ohne Angabe von Gründen zu widerrufen.
Die Widerrufsfrist beträgt 14 Tage ab dem Tag, an dem Sie oder ein von Ihnen benannter Dritter, der nicht der Transporteur ist, die letzte Ware oder den letzten Posten oder das letzte Exemplar in Besitz genommen hat.
Um das Widerrufsrecht auszuüben, füllen Sie auf unserer Website unter „Meine Einkäufe" in „Mein Nutzerkonto" eine eindeutige Erklärung elektronisch aus und senden Sie sie ab. Wir werden Ihnen unverzüglich eine Bestätigung über den Eingang eines solchen Widerrufs auf einem dauerhaften Datenträger (z. B. per E-Mail) übermitteln.
Um die Widerrufsfrist einzuhalten, reicht es aus, dass Sie Ihre Mitteilung über die Ausübung des Widerrufsrechts vor Ablauf der Widerrufsfrist absenden.
Auswirkungen des Widerrufs
Wenn Sie diesen Vertrag widerrufen, erstatten wir Ihnen alle Zahlungen, die wir von Ihnen erhalten haben, einschließlich der Lieferkosten (mit Ausnahme der zusätzlichen Kosten, die entstehen, wenn Sie eine andere Art der Lieferung als die von uns angebotene günstigste Standardlieferung gewählt haben).
Wir können einen Abzug von der Rückerstattung für den Wertverlust der gelieferten Waren vornehmen, wenn der Verlust auf eine unnötige Behandlung durch Sie zurückzuführen ist.
Wir werden die Rückerstattung unverzüglich und nicht später als 14 Tage nach dem Tag vornehmen, an dem wir über Ihre Entscheidung, diesen Vertrag zu widerrufen, informiert wurden.
Für die Rückerstattung verwenden wir dasselbe Zahlungsmittel, das Sie für die ursprüngliche Transaktion verwendet haben, es sei denn, Sie haben ausdrücklich etwas anderes vereinbart; in keinem Fall werden Ihnen aufgrund einer solchen Rückerstattung Gebühren berechnet.
Wir können die Rückzahlung verweigern, bis wir die Waren wieder zurückerhalten haben oder Sie den Nachweis erbracht haben, dass Sie die Waren zurückgesandt haben, je nachdem, was eher eintritt.
Sie müssen die Waren unverzüglich und in jedem Fall spätestens 14 Tage ab dem Tag, an dem Sie uns über den Widerruf dieses Vertrags unterrichten, an Grand Eagle Retail, Bensenville, Illinois, U.S.A., zurücksenden oder übergeben. Die Frist ist eingehalten, wenn Sie die Ware vor Ablauf der Frist von 14 Tagen zurücksenden. Sie müssen die direkten Kosten der Rücksendung der Waren tragen. Sie haften nur für einen etwaigen Wertverlust der Waren, der auf eine Behandlung zurückzuführen ist, die nicht zur Prüfung der Art, Eigenschaften und Funktionsweise der Waren erforderlich ist.
Ausnahmen vom Widerrufsrecht
Das Widerrufsrecht gilt nicht für:
- Die Lieferung von Zeitungen, Zeitschriften oder Magazinen mit Ausnahme von Abonnementverträgen; und
- Die Lieferung digitaler Inhalte, die nicht auf einem physischen Medium (z. B. auf einer CD oder DVD) geliefert werden, wenn Sie bei Ihrer Bestellung akzeptiert haben, dass wir mit der Lieferung beginnen können und dass Sie nach Beginn der Lieferung den Vertrag nicht mehr widerrufen können.
Versandbedingungen
Orders usually ship within 2 business days. All books within the US ship free of charge. Delivery is 4-14 business days anywhere in the United States.
Books ship from California and Michigan.
If your book order is heavy or oversized, we may contact you to let you know extra shipping is required.