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.