Deep Learning for Time Series Cookbook: Use PyTorch and Python recipes for forecasting, classification, and anomaly detection

Эта книга представляет собой практическое руководство по применению методов глубокого обучения для работы с временными рядами. Авторы, опытные исследователи и практики в области машинного обучения, предлагают читателю набор готовых рецептов (cookbook) для решения ключевых задач: прогнозирования, классификации и обнаружения аномалий.

Основной фокус книги — практическая реализация моделей с использованием популярного фреймворка PyTorch и языка Python. Читатель научится загружать и визуализировать данные, работать с пропущенными значениями, анализировать стационарность и автокорреляцию, а также строить и обучать нейронные сети для временных рядов.

Издание охватывает как работу с одномерными, так и с многомерными временными рядами, что делает его ценным ресурсом для анализа сложных, взаимосвязанных данных. Структура книги, построенная по принципу "рецептов", позволяет быстро находить и применять решения для конкретных практических задач.

Книга предназначена для специалистов по data science, machine learning инженеров и аналитиков, которые хотят расширить свой инструментарий методами глубокого обучения для анализа последовательных данных. Предполагается, что читатель уже знаком с основами Python и машинного обучения.