内容紹介

本書は、データサイエンティストの方がPythonによる時系列予測をマスターすることを目的として書かれています。数式を必要最小限に抑え、ステップバイステップで丁寧に説明していきます。本書は4つの部と21の章で構成されています。第1部は、時系列予測の入門編です。時系列データを定義し、この種のデータを操作するときの特異性（データをシャッフルすることはできないなど）を明らかにします。次にベースラインモデルを組み立てる手順を追い、予測が意味をなさない状況を調べます。以降の部・章では、予測テクニックを詳しく取り上げ、統計学的モデルや機械学習モデル・ディープラーニングモデルまで、モデルの複雑度を徐々に上げていきます。第2部では、統計学的モデルを使った予測に焦点を合わせます。第3部では、ディープラーニングを使った予測を取り上げます。データセットが高次元の非常に大きなものになり、非線形関係が存在するとしたら、予測に最適なのはディープラーニングです。第4部では、最後に、予測プロセスを大幅に高速化できる自動予測ライブラリProphetを紹介します。自動予測ライブラリはベースラインモデルの役割を果たすことがよくあります。本書では、現実のさまざまなシナリオに基づく実践的かつ実用的なアプローチに重点を置いています。現実のデータは整理されておらず欠損していることもあるため、そうした課題に立ち向かうための方法も解説します。各章にはスキルに磨きをかけるための実習が含まれていて、解答は本書のGitHubリポジトリにあります。実践スキルを身につけるためじっくり取り組んでみてください。上を目指して、時系列のエキスパートになるための好奇心と意欲が湧いてくることを願っています。Manning Publications「Time Series Forecasting in Python」の翻訳企画