Bewertung:

Das Buch bietet eine umfassende Einführung in die Zeitreihenanalyse, mit nützlichen Konzepten und Anwendungen für Unternehmen. Allerdings wird es durch Druckprobleme, schlechte Qualität und die Verwendung von Code-Screenshots, die die Lesbarkeit behindern, beeinträchtigt.
Vorteile:⬤ Gut zusammengestellte Informationen
⬤ Aufschlüsselung von Konzepten, die für Unternehmen anwendbar sind
⬤ Einblicke in das Verhalten von Zeitreihen
⬤ organisiert und leicht zu lesen
⬤ deckt verschiedene Themen in Zeitreihen ab
⬤ nützlich für diejenigen mit Grundkenntnissen in Python/Machine Learning.
⬤ Schlechte Druckqualität
⬤ Probleme mit Screenshots von Codes
⬤ viele Tippfehler
⬤ fehlende Seitenzahlen
⬤ einige Bilder sind beschnitten
⬤ Inhalt deckt nur Grundlagen ab
⬤ als Raubkopie gemeldet
⬤ enttäuschend für Leser, die ein detailliertes Verständnis suchen.
(basierend auf 5 Leserbewertungen)
Time Series with Python: How to Implement Time Series Analysis and Forecasting Using Python
Sie möchten mehr über Zeitreihen erfahren, finden diese aber nicht in den traditionellen Data Science-Lehrbüchern?
Dieses Buch ist Ihre Antwort.
Zeitreihen sind ein spannender und wichtiger Teil der Datenanalyse. Zeitreihendaten sind leichter verfügbar als die meisten anderen Arten von Daten und beantworten Fragen, die mit Querschnittsdaten nur schwer zu beantworten sind. Außerdem finden sie in der realen Welt mehr Anwendung bei der Vorhersage zukünftiger Ereignisse. Sie sind jedoch im Allgemeinen nicht in einem traditionellen Data-Science-Toolkit enthalten. Es gibt auch nur wenige zentralisierte Ressourcen für die Anwendung von Zeitreihen, vor allem mit traditionellen Programmiersprachen wie Python.
Dieses Buch löst all diese Probleme und noch mehr. Es beginnt mit grundlegenden Konzepten in Zeitreihen und geht dann zu fortgeschritteneren Themen über. Es zeigt Ihnen, wie Sie Python von Anfang an einrichten, und geht auf über 20 Beispiele für die Anwendung einfacher und fortgeschrittener Zeitreihenkonzepte mit Python-Code ein.