이 책은 아직 준비 중으로, 2023년 혹은 2024년 초 중으로 출간 때까지 코드가 변경될 수 있습니다
아직 책이 없으시다면, 다음 링크에서 구할 수 있습니다. 여기(준비 중)
이 책으로 시계열에 대한 예측 모델을 구축하는 방법을 배울 수 있습니다. 통계적 모델과 딥러닝 모델을 모두 다루고, 모든 코드를 Python으로 작성하였습니다.
구체적으로, 다음과 같은 내용을 배울 수 있습니다.
- 시계열 예측 문제를 파악하고, 성능이 우수한 예측 모델 구축하기
- 계절성 및 외부 변수를 고려하는 단변량 예측 모델 만들기
- 한 번에 여러가지 시계열을 예측하는 다변량 예측 모델 만들기
- 딥러닝 모델을 사용하여 대규모 데이터 집합을 예측해보기 (TensorFlow/Keras로 구현하였습니다)
- 예측 프로세스 자동화하기 (Prophet을 사용하였습니다)
또한, 위와 같은 내용을 실습해볼 수 있도록 이 책에 Johnson & Johnson의 주당 순이익, Google의 일일 주가, 미국 거시 경제 지표, 호주의 항당뇨제 처방 건수 등과 같은 실제 데이터를 사용하는 다양한 실습 프로젝트를 포함하였습니다.
곧 다음 링크에서 책을 구매하실 수 있습니다. 잠시만 기다려주세요.
책과 함께 코드를 읽어볼 때 가장 많은 지식을 얻을 수 있어 두 가지를 함께 보시길 적극 권장드립니다.
각 폴더는 하나의 장에 해당합니다. 각 폴더에닌 해당 장에서 제시한 모든 코드를 담고 있는 노트북이 들어 있습니다. 코드는 책에 나온 순서대로 나열되어 있습니다. 각 장에서 사용한 csv 파일 등을 포함하는 데이터는 라이센스에 위배되지 않는 경우 data 폴더에 들어 있습니다. 라이센스 준수 위해 노트북에 데이터를 다운로드할 수 있는 링크를 텍스트로 포함한 경우, data 폴더에 해당 데이터 파일을 다운로드 받으면 코드에서 사용 가능합니다.
- 1장: 시계열 예측의 이해
- 2장: 단순하게 미래 예측하기
- 3장: 확률보행 따라 가보기
- 4장: 이동평균 프로세스 모델링하기
- 5장: 자기회귀 프로세스 모델링하기
- 6장: 복잡한 시계열 모델링하기
- 7장: 비정상적 시계열 예측하기
- 8장: 계절성 고려하기
- 9장: 모델에 외생 변수 추가하기
- 10장: 다중 시계열 예측하기
- 11장: 캡스톤 프로젝트 - 호주 항당뇨제 처방 건수 예측하기
- 12장: 시계열 예측을 위한 딥러닝 소개하기
- 13장: 딥러닝을 위해 데이터 윈도잉하고 베이스라인 모델 만들기
- 14장: 딥러닝 첫 걸
- 15장: LSTM으로 과거를 기억하기
- 16장: CNN으로 시계열 필터링하기
- 17장: 예측으로 더 많은 예측하기
- 18장: 캡스톤 프로젝트 - 가정의 전력 소비량 예측하기
- 19장: Prophet으로 시계열 예측 자동화하기
- 20장: 캡스톤 프로젝트 - 캐나다의 스테이크 월평균 소매 가격 예측하기
- 21장: 지금 이상으로 나아가기