Ta strona zawiera linki partnerskie, za które możemy otrzymać rekompensatę.
Opis produktu
- Konzepte Schritt für Schritt erklärt - Die Eigenarten von Zeitreihendaten verstehen: Zeitfenster zum Anlernen einsetzen; mit latenten, saisonalen und Trend-Komponenten arbeiten - Anleitungen zur Umsetzung in Python mit ausführlichen Code-Kommentaren - Mit TensorFlow2 Deep-Learning-Verfahren zur Prognose aufbauen, anlernen und produktiv einsetzen Daten über Vorgänge werden in der verarbeitenden Industrie, der Logistik oder im Finanzsektor im Sekundentakt aufgezeichnet: der Verlauf eines Aktienkurses, die Verkaufszahlen eines Produkts, die Sensordaten einer Turbine. Solche Daten informieren nicht nur über isolierte Zustände; sie sind wie Filme, die den Verlauf eines Vorgangs mit einer Serie einzelner Bilder nachzeichnen. Intelligente Algorithmen können die Muster dieser Verläufe analysieren, sie anlernen und über das Beobachtungsfenster hinaus fortschreiben: Zustände in der Zukunft werden prognostizierbar. Das Buch bietet eine leicht verständliche Einführung in die Konzepte und die Praxis der Zeitreihenanalyse. Es zeigt, wie bewährte und neuere Lernalgorithmen arbeiten und wie sie sich mit Python anlernen und produktiv einsetzen lassen. An einer Vielzahl von Anwendungsbeispielen werden die Vorbereitung der Daten, der Anlern- und Schätzprozess Schritt für Schritt erklärt. Aus dem Inhalt: - Zeitreihendaten mit pandas aufbereiten, fehlende Daten imputieren, mit Datumsangaben arbeiten - Grundprinzipien maschinellen Lernens: Konzepte und Umsetzung mit Python und Scikit-Learn - Feature-Preprocessing: Standardisierung, Dimensionsreduktion, Verarbeitung kategorialer Daten - ARIMA-Modelle zur Analyse univariater Zeitreihen: Vorbereitung, Anlernen und Prognose mit Python und Statsmodels - Komplexe Zeitreihen mit Deep-Learning-Verfahren analysieren: Rekurrente und konvolutionale Netze verstehen und mit Python und TensorFlow 2 aufbauen und anlernen - Mit Zeifenstern arbeiten Vorkenntnisse in Machine-Learning-Verfahren sind nicht notwendig. Grundlegende Statistik- und Python-Kenntnisse sollten vorhanden sein. Der komplette Code im Buch sowie die Beispieldateien sind über ein GitHub-Repository verfügbar.
Machine Learning für Zeitreihen
- Konzepte Schritt für Schritt erklärt - Die Eigenarten von Zeitreihendaten verstehen: Zeitfenster zum Anlernen einsetzen; mit latenten, saisonalen und Trend-Komponenten arbeiten - Anleitungen zur Umsetzung in Python mit ausführlichen Code-Kommentaren - Mit TensorFlow2 Deep-Learning-Verfahren zur Prognose aufbauen, anlernen und produktiv einsetzen Daten über Vorgänge werden in der verarbeitenden Industrie, der Logistik oder im Finanzsektor im Sekundentakt aufgezeichnet: der Verlauf eines Aktienkurses, die Verkaufszahlen eines Produkts, die Sensordaten einer Turbine. Solche Daten informieren nicht nur über isolierte Zustände; sie sind wie Filme, die den Verlauf eines Vorgangs mit einer Serie einzelner Bilder nachzeichnen. Intelligente Algorithmen können die Muster dieser Verläufe analysieren, sie anlernen und über das Beobachtungsfenster hinaus fortschreiben: Zustände in der Zukunft werden prognostizierbar. Das Buch bietet eine leicht verständliche Einführung in die Konzepte und die Praxis der Zeitreihenanalyse. Es zeigt, wie bewährte und neuere Lernalgorithmen arbeiten und wie sie sich mit Python anlernen und produktiv einsetzen lassen. An einer Vielzahl von Anwendungsbeispielen werden die Vorbereitung der Daten, der Anlern- und Schätzprozess Schritt für Schritt erklärt. Aus dem Inhalt: - Zeitreihendaten mit pandas aufbereiten, fehlende Daten imputieren, mit Datumsangaben arbeiten - Grundprinzipien maschinellen Lernens: Konzepte und Umsetzung mit Python und Scikit-Learn - Feature-Preprocessing: Standardisierung, Dimensionsreduktion, Verarbeitung kategorialer Daten - ARIMA-Modelle zur Analyse univariater Zeitreihen: Vorbereitung, Anlernen und Prognose mit Python und Statsmodels - Komplexe Zeitreihen mit Deep-Learning-Verfahren analysieren: Rekurrente und konvolutionale Netze verstehen und mit Python und TensorFlow 2 aufbauen und anlernen - Mit Zeifenstern arbeiten Vorkenntnisse in Machine-Learning-Verfahren sind nicht notwendig. Grundlegende Statistik- und Python-Kenntnisse sollten vorhanden sein. Der komplette Code im Buch sowie die Beispieldateien sind über ein GitHub-Repository verfügbar.
Ta strona zawiera linki partnerskie, za które możemy otrzymać rekompensatę.
Dostawa, zwroty i zwroty
Dostawa
Sprzedawcy oferują szereg opcji dostawy, dzięki czemu możesz wybrać tę, która jest dla Ciebie najbardziej dogodna. Wielu sprzedawców oferuje bezpłatną dostawę. Zawsze możesz znaleźć koszt wysyłki i szacowaną datę dostawy na liście sprzedawcy. Podczas realizacji transakcji zobaczysz pełną listę opcji dostawy. Mogą to być: dostawa ekspresowa, dostawa standardowa, dostawa ekonomiczna, Click & Collect, bezpłatny odbiór lokalny od sprzedawcy.
Zwroty
Opcje zwrotu produktu różnią się w zależności od tego, co chcesz zwrócić, dlaczego chcesz go zwrócić, a także polityki zwrotu sprzedawcy. Jeśli produkt jest uszkodzony lub nie pasuje do opisu aukcji, możesz go zwrócić, nawet jeśli polityka zwrotów sprzedawcy mówi, że nie przyjmuje zwrotów. Jeśli zmieniłeś zdanie i nie chcesz już produktu, nadal możesz poprosić o zwrot, ale sprzedawca nie musi go akceptować. Jeśli kupujący zmieni zdanie na temat zakupu i chce zwrócić przedmiot, może być konieczne opłacenie kosztów wysyłki zwrotnej, w zależności od polityki zwrotów sprzedającego. Sprzedawcy mogą podać kupującemu adres zwrotny i dodatkowe informacje o przesyłce zwrotnej. Sprzedawcy płacą za przesyłkę zwrotną, jeśli występuje problem z produktem. Na przykład, jeśli element nie pasuje do opisu aukcji, jest uszkodzony, wadliwy lub podrobiony. Zgodnie z prawem klienci w Unii Europejskiej mają również prawo do anulowania zakupu przedmiotu w ciągu 14 dni od daty otrzymania lub otrzymania przez osobę trzecią wskazaną przez Ciebie (inną niż przewoźnik) ostatniego zamówionego przez Ciebie towaru (jeśli dostarczane osobno). Dotyczy to wszystkich produktów z wyjątkiem produktów cyfrowych (np. Muzyka cyfrowa), które są natychmiast dostarczane za potwierdzeniem użytkownika, oraz innych produktów, takich jak wideo, DVD, audio, gry wideo, produkty związane z seksem i zmysłowością oraz produkty programowe, w których produkt został niezamknięty.
Zwroty
Sprzedawcy muszą zaoferować zwrot pieniędzy za niektóre przedmioty, tylko jeśli są wadliwe, takie jak: artykuły spersonalizowane i przedmioty na zamówienie, artykuły łatwo psujące się, gazety i czasopisma, nieopakowane płyty DVD i oprogramowanie komputerowe. Jeśli wykorzystałeś saldo PayPal lub konto bankowe do sfinansowania oryginalnej płatności, zwrócone pieniądze wrócą do salda konta PayPal. Jeśli użyłeś karty kredytowej lub debetowej do sfinansowania oryginalnej płatności, zwrócone pieniądze wrócą na twoją kartę. Sprzedawca dokona zwrotu w ciągu trzech dni roboczych, ale przetworzenie przelewu może potrwać do 30 dni. W przypadku płatności finansowanych częściowo z karty, a częściowo z salda / banku, pieniądze pobrane z karty zostaną zwrócone na kartę, a pozostała część powróci do salda PayPal.