Современное прогнозирование временных рядов

Эта книга — практическое руководство, объединяющее статистику, машинное обучение и нейросетевые подходы в единую систему. Книга показывает, как строить точные и устойчивые прогнозы в условиях изменчивых данных и неопределённости, превращая исследовательские эксперименты в воспроизводимые решения на Python.

Вы узнаете, как:

определять пределы прогнозируемости и избегать переобучения;
сочетать статистические и нейросетевые методы в едином пайплайне;
проектировать корректную валидацию и метрики устойчивости;
выявлять и компенсировать дрейф данных;
превращать исследования в воспроизводимые решения на Python.
Издание предназначено для аналитиков данных, инженеров машинного обучения, исследователей и всех, кто хочет перейти от теории к созданию надёжных, интерпретируемых и практически применимых моделей прогнозирования.