Time Series with PyTorch. Modern Deep Learning Toolkit for Real-World Forecasting Challenges Graeme Davidson, Lei Ma

Time Series with PyTorch. Modern Deep Learning Toolkit for Real-World Forecasting Challenges Graeme Davidson, Lei Ma - okladka książki

Autorzy:: Graeme Davidson, Lei Ma
Serie wydawnicze:: Learning
Wydawnictwo:: Packt Publishing (Z chęcią przeczytam książkę w języku polskim)
Ocena:: Bądź pierwszym, który oceni tę książkę
Stron:: 606
Dostępne formaty:: PDF

ePub

Ebook

111,75 zł ~~149,00 zł~~ (-25%)

78,48 zł najniższa cena z 30 dni

Dodaj do koszyka Dostępny natychmiast po opłaceniu zakupu lub Kup na prezent Kup 1-kliknięciem

Przenieś na półkę

Do przechowalni

Neural networks are powerful tools for time-series forecasting, but applying them effectively requires both practical experience and a clear understanding of architectures, training strategies, and evaluation methods. This book brings these ideas together in a structured and practical way.
Starting with PyTorch fundamentals, you will build neural networks from scratch and progress through recurrent networks, attention mechanisms, and transformers before exploring forecasting architectures such as N-BEATS, N-HiTS, and the Temporal Fusion Transformer. Along the way, you will learn robust hyperparameter tuning, conformal prediction for uncertainty estimation, and reliable evaluation practices.
Unlike most forecasting books, this text also explores topics often overlooked or treated separately, including transfer learning across collections of series, synthetic data generation with diffusion models, and self-supervised representation learning. Beyond forecasting, later chapters cover classification, clustering, anomaly detection, and embeddings for large-scale time-series modeling.
Throughout, the focus is pragmatic: theory is reinforced through experimentation and implementation so you can apply these methods confidently to real-world time-series problems.

Wybrane bestsellery

O autorach książki

Graeme Davidson is a data scientist working at one of the top demand forecasting platforms as rated by Gartner. He has over a decade of experience in analyzing and modeling with time-series data, from researching consumer motivations with Unilever and the University of Liverpool, to predicting consumer demand at Retail Express.

Lei Ma is a physicist-turned data scientist specializing in time series forecasting. He has tackled real-world forecasting challenges across industries like housing, logistics, ecommerce, and manufacturing. He has led and implemented numerous forecasting projects, and is not only experienced in building advanced time series models but also in providing strategic and holistic insights into time series analysis projects.

Zobacz pozostałe książki z serii Learning

Ebooka "Time Series with PyTorch. Modern Deep Learning Toolkit for Real-World Forecasting Challenges" przeczytasz na:

czytnikach Inkbook, Kindle, Pocketbook, Onyx Boox i innych
systemach Windows, MacOS i innych

systemach Windows, Android, iOS, HarmonyOS
na dowolnych urządzeniach i aplikacjach obsługujących formaty: PDF, EPub, Mobi

Masz pytania? Zajrzyj do zakładki Pomoc »

Oceny i opinie klientów: Time Series with PyTorch. Modern Deep Learning Toolkit for Real-World Forecasting Challenges Graeme Davidson, Lei Ma

(0)

Szczegóły książki

Tytuł oryginału:: Time Series with PyTorch. Modern Deep Learning Toolkit for Real-World Forecasting Challenges
ISBN Ebooka:: 978-18-051-2042-1, 9781805120421
Data wydania ebooka :: 2026-05-29 Data wydania ebooka często jest dniem wprowadzenia tytułu do sprzedaży i może nie być równoznaczna z datą wydania książki papierowej. Dodatkowe informacje możesz znaleźć w darmowym fragmencie. Jeśli masz wątpliwości skontaktuj się z nami sklep@ebookpoint.pl.
Język publikacji:: angielski
Rozmiar pliku Pdf:: 36.6MB
Rozmiar pliku ePub:: 24.8MB

Zgłoś erratę
Serie wydawnicze: Learning

Kategorie

Kliknij, aby zgłosić błędnie przypisaną kategorię »

Informatyka » Programowanie » Python
Informatyka » Biznes IT » Big data » Uczenie maszynowe

Dostępność produktu

Produkt nie został jeszcze oceniony pod kątem ułatwień dostępu lub nie podano żadnych informacji o ułatwieniach dostępu lub są one niewystarczające. Prawdopodobnie Wydawca/Dostawca jeszcze nie umożliwił dokonania walidacji produktu lub nie przekazał odpowiednich informacji na temat jego dostępności.

Spis treści książki

1. Time Series for Everyone
2. The Challenge of Time Series
3. Evaluating Time-Series Models
4. PyTorch Fundamentals
5. Simple Neural Architecture
6. Optimization
7. Conformal Prediction
8. Recurrent Neural Networks
9. Transformers
10. Other Neural Structures
11. Transfer Learning and Global Modelling
12. Synthetic Time Series Data
13. Diffusion Models
14. Time Series Classification
15. Time Series Clustering
16. Embeddings for Time Series
17. Supervised and Unsupervised Anomaly Detection
18. Self-Supervised Learning for Time Series

pokaż cały spis treści

Packt Publishing - inne książki

Zamknij

Time Series with PyTorch. Modern Deep Learning Toolkit for Real-World Forecasting Challenges Graeme Davidson, Lei Ma

Kup w zestawie z dodatkowym rabatem