Bu kitap, Python ile zaman serisi analizi ve modelleme için çeşitli kavramların pratik bir şekilde uygulanmasını ve veri okumaya ve ön işleme ile başlayarak problem çözümü tarzı tarifler aracılığıyla öğretir. AR (otooregresif), MA (hareketli ortalama), ARMA (otooregresif hareketli ortalama) ve ARIMA (otooregresif hareketli ortalama) gibi istatistiksel modelleme yöntemlerini kullanarak zaman serisi tahminlerinin temel özellikleriyle başlar. Ardından, Fbprohet, istatistik modeli ve sklearn gibi farklı açık kaynaklı paketleri kullanarak tek değişkenli ve çok değişkenli modellemeyi öğreneceksiniz. Ayrıca tahmin sorunları için rastgele Forest, Xgboost ve LightGBM gibi klasik makine öğrenimine dayalı regresyon modelleri hakkında fikir edineceksiniz. Kitap, zaman serisi tahminleri için derin öğrenme modellerinin (LSTM'ler ve ANN) uygulandığını göstererek sona ermektedir. Her bölüm birkaç kod örneği ve illüstrasyonu içerir. Bu kitabı bitirdikten sonra, zaman serisi ve Python'daki uygulanmasıyla ilgili çeşitli kavramlar hakkında temel bir anlayışa sahip olacaksınız. Ne Öğreneceksiniz Python kullanarak zaman serisi analizinde çeşitli teknikler uygulayın. Zaman serisi tahminleri için AR (otoegresif), MA (hareketli ortalama), ARMA (otoegresif hareketli ortalama) ve ARIMA (otomatik egresif entegre hareketli ortalama) gibi istatistiksel modelleme yöntemlerini kullanın Zaman serisi tahminleri için tek değişkenli ve çok değişkenli modellemeyi öğrenin Makine öğrenimi ve GBM ve LSTM (uzun kısa süreli bellek) gibi derin öğrenme tekniklerini kullanarak tahmin edin. Bu Kitap, Veri Bilimcileri, Makine Öğrenme Mühendisleri ve zaman serisi analiziyle ilgilenen yazılım geliştiricileri için kimdir.