ru

Купить книгу Прогнозирование временных рядов с использованием глубокого обучения: сочетание PyTorch, RNN, TCN и моделей глубоких нейронных сетей для создания готовых к применению решений для прогнозирования (английское издание) на русском [PDF, EPUB, FB2, MOBI]

#1896015
Прогнозирование временных рядов с использованием глубокого обучения: сочетание PyTorch, RNN, TCN и моделей глубоких нейронных сетей для создания готовых к применению решений для прогнозирования (английское издание)

Time Series Forecasting using Deep Learning: Combining PyTorch, RNN, TCN, and Deep Neural Network Models to Provide Production-Ready Prediction Solutions (English Edition) (B09JL2B3YX)

Купить и скачать электронную книгу в форматах PDF, EPUB, FB2, MOBI

Ivan Gridin | #192: Математическое и статистическое программное обеспечение

4.4 (65)
Исследуйте безграничные возможности, которые предоставляют искусственный интеллект и нейронные сети.

Основные характеристики
● Рассматривает многочисленные концепции, методы, лучшие практики и советы по устранению неполадок от экспертов сообщества.
● Включает практическую демонстрацию надежных моделей прогнозирования на основе глубокого обучения с интересными примерами применения.
● Рассматривается использование самых мощных инструментов для исследований, таких как Python, PyTorch и нейронные сети.

Описание
Цель этой книги — научить читателей применять методы глубокого обучения для решения задач прогнозирования временных рядов и создавать модели прогнозирования с использованием PyTorch.
В начале книги читатели познакомятся с основами PyTorch. Затем, после разработки программы, более подробно рассматривается прогнозирование временных рядов. Вы попробуете использовать машинное обучение для выявления закономерностей, которые помогут прогнозировать будущие результаты. Рассматриваются такие методологии, как рекуррентная нейронная сеть, модель кодировщик-декодировщик и временная сверточная сеть — все они являются передовыми архитектурами нейронных сетей. Кроме того, для полноты картины мы также представили поиск архитектуры нейронной сети, который автоматизирует поиск идеальной архитектуры нейронной сети для определенной задачи.
В конце концов, читатели смогут решать сложные задачи прогнозирования в реальном мире, применяя модели и стратегии, изученные в книге. Эта книга также предлагает еще один отличный способ освоить глубокое обучение и его различные методы.


Что вы узнаете
● Работа с концепцией кодировщика-декодера и механикой временных сверточных нейронных сетей.
● Изучите основы поиска по архитектуре нейронных сетей с помощью алгоритма Neural Network Intelligence.
● Сочетать стандартные методы статистического анализа с подходами глубокого обучения.
● Автоматизировать поиск оптимальной архитектуры прогнозирования.
● Разработайте собственную архитектуру нейронной сети для решения конкретных задач.
● Применение прогностических моделей к реальным задачам прогнозирования котировок акций, погоды и природных процессов.

Для кого предназначена эта книга?
Эта книга написана для инженеров, специалистов по анализу данных и биржевых трейдеров, которые хотят создавать программы прогнозирования временных рядов с использованием глубокого обучения. Достаточно базового знания Python, а базовое понимание машинного обучения желательно, но не обязательно.

Оглавление
1. Проблемы и сложности анализа временных рядов
2. Глубокое обучение с использованием PyTorch
3. Временные ряды как задача глубокого обучения
4. Рекуррентные нейронные сети
5. Усовершенствованные модели прогнозирования
6. Настройка модели PyTorch с использованием нейронных сетей.
7. Применение глубокого обучения к реальным задачам прогнозирования
8. Пакет прогнозирования PyTorch
9. Что дальше?

Введите ваш e-mail

Мы отправим электронную книгу на ваш e-mail
Введите корректный e-mail
На каком языке вы хотели бы купить книгу?