1 Séries temporais: panorama e breve história.
2 Encontrando dados e usando o Data Wrangling com séries temporais.
3 Análise exploratória de dados para séries temporais.
4 Simulando dados de séries temporais.
5 Armazenando dados temporais.
6 Modelos estatísticos para séries temporais.
7 Modelos de espaço de estados para séries temporais.
8 Gerando e selecionando características para uma série temporal.
9 Aprendizado de máquina para séries temporais.
10 Aprendizado profundo para séries temporais.
11 Medição de erros.
12 Consideração de desempenho em ajustes e disponibilização de modelos de séries temporais.
13 Aplicações na área de assistência médica.
14 Aplicações na área financeira.
15 Usos governamentais de séries temporais.
16 Pacotes de séries temporais.
17 Previsões sobre como prever. Ver menos

A análise de dados das séries temporais é cada vez mais importante devido à enorme produção desses dados por meio da internet das coisas, da digitalização da assistência médica e do advento de cidades inteligentes. À medida que o monitoramento contínuo e a coleta de dados se tornam mais comuns, a necessidade de uma análise competente de séries temporais, com técnicas estatísticas e de aprendizado de máquina, aumenta. Ao abordar as inovações na análilse de dados de séries temporais e casos de uso do mundo real, este guia prático o ajudará a solucionar os desafios mais comuns de engenharia e análise de dados em séries temporais, usando estatísticas tradicionais e técnicas modernas de aprendizado de máquina. Nesta obra você encontrará orientação necessária para: - usar data wrangling e encontrar séries temporais; - realizar análises exploratórias das séries temporais; - armazenar dados temporais; - fazer a simulação de dados de séries temporais; - gerar e selecionar características para séries temporais; - identificar erros de medição; - prever e classificar séries temporais com aprendizado de máquina ou profundo; - avaliar a acurácia e o desempenho. Ver menos