CHAPTER 1 시계열의 개요와 역사
1.1 다양한 응용 분야의 시계열 역사
1.2 시계열 분석의 도약
1.3 통계적 시계열 분석의 기원
1.4 머신러닝 시계열 분석의 기원
1.5 보충 자료
CHAPTER 2 시계열 데이터의 발견 및 다루기
2.1 시계열 데이터는 어디서 찾는가
2.2 테이블 집합에서 시계열 데이터 집합 개선하기
2.3 타임스탬프의 문제점
2.4 데이터 정리
2.5 계절성 데이터
2.6 시간대
2.7 사전관찰의 방지
2.8 보충 자료
CHAPTER 3 시계열의 탐색적 자료 분석
3.1 친숙한 방법
3.2 시계열에 특화된 탐색법
3.3 유용한 시각화
3.4 보충 자료
CHAPTER 4 시계열 데이터의 시뮬레이션
4.1 시계열 시뮬레이션의 특별한 점
4.2 코드로 보는 시뮬레이션
4.3 시뮬레이션에 대한 마지막 조언
4.4 보충 자료
CHAPTER 5 시간 데이터 저장
5.1 요구 사항 정의
5.2 데이터베이스 솔루션
5.3 파일 솔루션
5.4 보충 자료
CHAPTER 6 시계열의 통계 모델
6.1 선형회귀를 사용하지 않는 이유
6.2 시계열을 위해 개발된 통계 모델
6.3 시계열 통계 모델의 장단점
6.4 보충 자료
CHAPTER 7 시계열의 상태공간 모델
7.1 상태공간 모델의 장단점
7.2 칼만 필터
7.3 은닉 마르코프 모델
7.4 베이즈 구조적 시계열
7.5 보충 자료
CHAPTER 8 시계열 특징의 생성 및 선택
8.1 입문자를 위한 예제
8.2 특징 계산 시 고려 사항
8.3 특징의 발견에 영감을 주는 장소 목록
8.4 생성된 특징들 중 일부만 선택하는 방법
8.5 마치며
8.6 보충 자료
CHAPTER 9 시계열을 위한 머신러닝
9.1 시계열 분류
9.2 클러스터링
9.3 보충 자료
CHAPTER 10 시계열을 위한 딥러닝
10.1 딥러닝 개념
10.2 신경망 프로그래밍
10.3 학습 파이프라인 만들기
아마존 데이터 웨어하우스 분야 1위
시계열 데이터 분석을 A부터 Z까지 다루는 실전 가이드
시계열 분석은 기상청, 금융정부 기관 등 우리 실생활과 밀접한 곳에서 미래를 예측하고 대비하기 위해 사용됩니다. 시계열 데이터는 사물인터넷으로 인한 데이터 대량 생산, 헬스케어 분야의 디지털 전환, 스마트 도시의 부상 등으로 중요성이 더 커지고 있으며, 그 영향력이 모든 산업 분야로 확장될 것입니다.
이 책은 정확한 시계열 분석과 예측을 위해 시계열 데이터와 모델링의 파이프라인 전체(획득, 정리, 시뮬레이션, 저장, 모델링를 실용적인 관점에서 폭넓게 바라보고 R과 파이썬 코드를 곁들여 설명합니다. 전반부에서는 시계열 예측의 전체 과정을 이해하는 데 기본이 되는 개념을 소개합니다. 시계열 데이터의 탐색, 수집, 정리와 ARIMA, SARIMA 모델 등을 다룹니다. 후반부에서는 MXNet과 텐서플로를 활용하여 헬스케어, 금융, 정부 데이터의 연구 사례에 시계열 기법을 대입하는 방법을 배우고 저자의 풍부한 경험을 녹여낸 다양한 예제도 소개합니다.
마지막으로 각 장에 해당하는 주제와 필수 기법에 대한 튜토리얼을 제공하는 링크를 수록했습니다. 이 책 한 권이면 실세계에서 시계열 데이터를 활용하여 시계열을 분석하고 예측하기 위한 준비를 마칠 수 있습니다. 이 실전 가이드로 시계열 예측의 정확도를 높일 수 있길 바랍니다.
<추천사>
추천사
파이썬과 R 코드를 번갈아 가며 사용합니다. 두 언어 중 한 언어에만 익숙한 독자도 이 책을 볼 수 있습니다. R 코드가 전반적으로 많지만 상세한 설명 덕분에 파이썬으로 쉽게 적용할 수 있습니다. 시계열 분석의 기본적인 부분을 전반적으로 잘 다룹니다. 매우 구조적이고 이해하기 쉽게 쓰였으며 디테일도 놓치지 않았습니다. 원서를 읽을 때는 좀 장황하다는 느낌을 받았지만 역자가 우리말로 옮길 때 이런 부분을 최대한 분명하게 표현하고자 노력했고, 번역서에서 흔히 발견되는 번역 투 표현을 최대한 깔끔하게 다듬었습니다. 마치 국
