국내도서

>

자연과 과학

>

기술공학

• 
• 제휴몰 주문 시 고객보상, 일부 이벤트 참여 및 증정품 증정, 하루/당일 배송에서 제외되므로 참고 바랍니다.

• 
• 도서  > 자연과 과학  > 기술공학

• 
• 
• 시계열 예측 방법은 (1) 통계적 방법, (2) 혼합적(hybrid) 방법, (3) 딥러닝 기반 방법으로 구분할 수 있다. 대표적인 통계적 방법은 시계열 분해, ARIMA, VARIMA 등이 있고, 혼합적 방법은 통계적 방법과 딥러닝 기반 방법을 혼합한 시계열 예측 기법으로 Prophet, Neural Prophet 등이 대표적이다. 딥러닝을 기반으로 하는 시계열 모형은 딥러닝의 3대 아키텍처인 MLP, RNN, CNN을 근간으로 시계열의 예측력을 획기적으로 향상시키고 정밀화하였으며, 대표적으로 BlockRNN, TCN, N-HiTs, Transformer, DLinear, TiDE, TFT 등이 있다. 저자는 지난 30여 년간 강단에서 통계적 시계열 모형을 강의해 왔고, 최근 7년여 동안은 머신러닝, 딥러닝, 강화학습, 그리고 XAI(explainable AI)를 강의해 왔기 때문에 딥러닝을 이용한 고수준 시계열 모형의 출현은 시간 문제라고 생각해 왔다. 특히, 최근 3~4년 동안 발표된 딥러닝 시계열 모형은 양적으로나 질적으로나 놀라운 성과를 보여주고 있다. 정밀한 시계열 예측은 금융, 물류, marketing, 인사, 경제계획, 의사결정 등에 결정적인 역할을 한다. 대형마트에는 수만 개의 item들이 있으며, 이 item들의 판매량은 실시간으로 기록되고 있다. 이런 데이터를 이용하여 item들의 판매량을 정확하게 예측하면 생산, 분배, 인력 수급, 배치 및 상품진열, 선택적 promotion, 광고 등에 대한 의사결정에 중요한 정보가 된다. 이러한 형태의 데이터를 multiple 데이터라고 하는데, 각 item의 시계열 관측치가 많을 뿐만 아니라 item의 수도 매우 큰 big data이므로 딥러닝을 기반으로 하는 시계열 모형의 적용은 필수적이다. 그러나 딥러닝 시계열 모형을 적용하기 위해서는 딥러닝에 대한 깊이 있는 사전지식과 tensorflow나 pytorch와 같은 프로그램 언어의 습득도 해야 하는 커다란 장애요인이 존재한다. 이를 회피하기 위해 저자는 간단하게 딥러닝 모형을 적용하고 응용할 수 있도록 Darts와 Neural Prophet이라는 라이브러리를 이용하였다. 저자는 시계열 예측에 있어서 딥러닝을 기반으로 한 시계열 모형과 혼합형 시계열 모형이 빠르게 기존의 통계적 시계열 모형을 대체할 것으로 생각한다. 라이브러리로 인해 딥러닝 모형을 통계적 시계열 모형보다 더 쉽게 적용할 수 있고, 대규모 시계열 데이터의 처리능력과 예측정밀도가 통계적 시계열 모형보다 훨씬 우수하며 이에 더해 예측 결과에 대한 이유와 설명변수의 기여도를 설명할 수 있게 되었기 때문이다. 이 책은 총 30여 개의 시계열 모형과 시계열 패턴 탐색으로 시계열을 예측하는 방법을 적용하고 응용할 수 있도록 구성하였다. 하나의 모형에 2개 이상의 초모수나 모형 가정을 선택하면, 최소한 60여 개의 모형을 주어진 시계열 데이터에 적용할 수 있다는 의미가 된다. 이 책의 내용을 숙지하면 보다 우수한 시계열 예측을 위한 모형설정, 예측 방법, 예측 결과 해석 방법을 습득하게 되며, 하나의 시계열 데이터에 수십개의 모형을 적합하여 만든 자신만의 앙상블 시계열 모형을 구축할 수 있는 능력을 가지게 된다. 좋은 책을 만들기 위해 노력하였지만 부족한 부분이 있을 수 있다. 이 점은 양해를 바라며 출간 후 나올 수 있는 수정사항 등은 자유아카데미 홈페이지(www.freeaca.com) 자료실에 제공할 예정이니 참고하기를 바란다. 끝으로, 이 책의 개념도를 그려주고 교정을 도와준 박진세 군의 노고에 감사를 전하고, 항상 응원하고 격려하는 사랑하는 가족에게도 감사의 마음을 전한다.
• 
• Chapter 1 시계열분석 1.1 시계열자료의 형태 1.2 시계열자료의 표본구성 1.3 내용정리 1.4 시계열분석을 위한 라이브러리 Part 1 통계적 시계열 모형 Chapter 2 단순시계열 모형 2.1 Naive 예측모형 2.2 Naive 모형의 적용 Chapter 3 시계열 분해와 Exponential Smoothing 3.1 고전적 시계열 분해 3.2 Exponential smoothing Chapter 4 ETS 모형 4.1 ETS 모형의 모수추정 4.2 ETS 모형의 선택과 예측 4.3 ETS 모형의 적용 Chapter 5 Theta 모형 5.1 Theta 모형의 구조 5.2 Theta 모형의 적용 Chapter 6 ARIMA 모형과 VARIMA 모형 6.1 ARIMA 모형 6.2 SARIMA 모형 6.3 SARIMA 모형의 설정, 모수추정, 그리고 예측 6.4 Automatic ARIMA와 ARIMA 모형의 분석 절차 6.5 SARIMA 모형의 적용 6.6 VARIMA 모형 Chapter 7 BATS와 TBATS 7.1 BATS 모형 7.2 TBATS 모형 7.3 BATS와 TBATS의 적용과 응용 Chapter 8 Kalman Filter 8.1 Kalman Filter의 이해 8.2 Linear Projection 8.3 Kalman Filter의 유도 8.4 Kalman Filter의 모수추정과 예측 Part 2 혼합형 시계열 모형 Chapter 9 AR-NET과 Conformal interval 9.1 AR-NET 9.2 Conformal interv...al Chapter 10 Neural Prophet 10.1 추세 10.2 계절성 10.3 자기회귀모형과 과거공변량 회귀모형 10.4 미래공변량 회귀와 event 및 holiday 효과 10.5 Neural Prophet의 손실함수, 규제화, 그리고 자료사전정리 과정 10.6 global 모형과 local 모형 10.7 시계열 모형의 교차검증과 예측 10.8 Conformal 구간 추정 Part 3 머신러닝 및 딥러닝 시계열 모형 Chapter 11 Local 모형과 Global 모형 11.1 다중 시계열의 구조와 global 시계열 모형 11.2 다변량 시계열과 다중 시계열 11.3 회귀모형을 이용한 시계열 예측 Chapter 12 앙상블러닝을 이용한 시계열 분석 12.1 앙상블러닝을 기반한 시계열 분석 Chapter 13 N-BEATS와 N-HiTS 13.1 N-BEATS 13.2 N-HiTS 13.3 N-BEATS와 N-HiTS의 적용 Chapter 14 RNN을 이용한 시계열 예측 14.1 RNN 모형 14.2 RNN 시계열 모형의 적용 Chapter 15 TCN(Temporal Convolutional Networks)과 Transformers 15.1 TCN 시계열 모형 15.2 Transformer 시계열 모형 Chapter 16 DLinear, NLinear, 그리고 TiDE 16.1 LTSF-Linear 모형 16.2 TiDE 16.3 딥러닝 시계열 모형에서의 비정상 시계열 16.4 DLinear, NLinear, 그리고 TiDE의 적용과 응용 Chapter 17 TFT, 불변공변량, 그리고 설명가능성 17.1 TFT의 구조 17.2 TFT의 적용과 응용 17.3 불변공변량을 이용한 조건부 global 모형 17.4 TFT의 설명 가능성 Chapter 18 확률적 예측 18.1 확률적 예측 18.2 딥러닝 모형에서의 확률적 예측 18.3 Darts를 이용한 probabilistic forecast Chapter 19 딥러닝 다변량 및 다중 시계열 모형 19.1 딥러닝 시계열 모형을 이용한 다중 시계열 및 다변량 시계열 분석 19.2 코스피, 코스닥 예측과 다변량 시계열 예측 Chapter20 DTW를 이용한 시계열의 군집과 주가예측 20.1 DTW(Dynamic Time Warp)와 Warping Path 20.2 시계열의 군집과 군집의 효과 20.3 패턴 탐색에 의한 주가 예측
• 
• 

• 박유성 [저]

• 학력으로 고려대학교 정경대학 통계학과 졸업, 고려대학교 대학원 석사과정 졸업(통계학 전공), 미국 조지아대학교 대학원 졸업(통계학 박사)가 있으며, 현재 고려대학교 명예교수다.

• 전체 0개의 구매후기가 있습니다.
• 

인터파크도서는 고객님의 단순 변심에 의한 교환과 반품에 드는 비용은 고객님이 지불케 됩니다. 단, 상품이나 서비스 자체의 하자로 인한 교환 및 반품은 무료로 반품 됩니다. 교환 및 반품이 가능한 경우 상품을 공급 받은 날로부터 7일이내 가능 공급받으신 상품의 내용이 표시, 광고 내용과 다르거나 다르게 이행된 경우에는 공급받은 날로부터 3개월 이내,    혹은 그사실을 알게 된 날 또는 알 수 있었던 날로부터 30일 이내 상품에 아무런 하자가 없는 경우 소비자의 고객변심에 의한 교환은 상품의 포장상태 등이 전혀 손상되지 않은 경우에 한하여 가능 교환 및 반품이 불가능한 경우 구매확정 이후(오픈마켓상품에 한함) 고객님의 책임 있는 사유로 상품 등이 멸실 또는 훼손된 경우    (단, 상품의 내용을 확인하기 위하여 포장 등을 훼손한 경우는 제외) 시간이 지남에 따라 재판매가 곤란할 정도로 물품의 가치가 떨어진 경우 포장 개봉되어 상품 가치가 훼손된 경우 다배송지의 경우 반품 환불 다배송지의 경우 다른 지역의 반품을 동시에 진행할 수 없습니다. 1개 지역의 반품이 완료된 후 다른 지역 반품을 진행할 수 있으므로, 이점 양해해 주시기 바랍니다. 중고상품의 교환 중고상품은 제한된 재고 내에서 판매가 이루어지므로, 교환은 불가능합니다. 오픈마켓 상품의 환불 오픈마켓상품에 대한 책임은 원칙적으로 업체에게 있으므로, 교환/반품 접수시 반드시 판매자와 협의 후 반품 접수를 하셔야하며,    반품접수 없이 반송하거나, 우편으로 보낼 경우 상품 확인이 어려워 환불이 불가능할 수 있으니 유의하시기 바랍니다.

배송예정일 안내 인터파크 도서는 모든 상품에 대해 배송완료예정일을 웹사이트에 표시하고 있습니다. <인터파크 직배송 상품> 상품은 월~토요일 오전 10시 이전 주문분에 대하여 당일 출고/당일 배송완료를 보장하는 상품입니다. 상품은 서울지역/평일 주문분은 당일 출고/익일 배송완료를 보장하며, 서울외지역/평일 주문분의 경우는 오후 6시까지 주문분에 대하여 익일 배송완료를 보장하는 상품입니다. (단, 월요일은 12시까지 주문에 한함) 상품은, 입고예정일(제품출시일)+택배사배송일(1일)에 배송완료를 보장합니다. ~ 상품은 유통특성상 인터파크에서 재고를 보유하지 않은 상품으로 주문일+기준출고일+택배사배송일(1일)에 배송완료를 보장합니다.(토/공휴일은 배송기간에 포함되지 않습니다.) ※기준출고일:인터파크가 상품을 수급하여 물류창고에서 포장/출고하기까지 소요되는 시간 <업체 직접배송/오픈마켓 상품> ~ 상품은 업체가 주문을 확인하고, 출고하기까지 걸리는 시간입니다. 주문일+기준출고일+택배사배송일(2일)에 배송완료를 보장합니다.(토/공휴일은 배송기간에 포함되지 않습니다.) ※5일이내 출고가 시작되지 않을시, 오픈마켓 상품은 자동으로 주문이 취소되며, 고객님께 품절보상금을 지급해 드립니다. 배송비 안내 도서(중고도서 포함)만 구매하시면 : 배송비 2,000원 (1만원이상 구매 시 무료배송) 음반/DVD만 구매하시면 : 배송비 1,500원 (2만원이상 구매 시 무료배송) 잡지/만화/기프트만 구매하시면 : 배송비 2,000원 (2만원이상 구매 시 무료배송) 도서와 음반/DVD를 함께 구매하시면 : 배송비 1,500원 1만원이상 구매 시 무료배송) 도서와 잡지/만화/기프트/중고직배송상품을 함께 구매하시면 : 2,000원 (1만원이상 구매 시 무료배송) 업체직접배송상품을 구매시 : 업체별로 상이한 배송비 적용    * 세트상품의 경우 부분취소 시 추가 배송비가 부과될 수 있습니다.    * 북카트에서 배송비없애기 버튼을 클릭하셔서, 동일업체상품을 조금 더 구매하시면, 배송비를 절약하실 수 있습니다. 해외배송 안내 인터파크도서에서는 국내에서 주문하시거나 해외에서 주문하여 해외로 배송을 원하실 경우 DHL과 특약으로 책정된 요금표에    의해 개인이 이용하는 경우보다 배송요금을 크게 낮추며 DHL(www.dhl.co.kr)로 해외배송 서비스를 제공합니다. 해외배송은 도서/CD/DVD 상품에 한해 서비스하고 있으며, 다른 상품을 북카트에 함께 담으실 경우 해외배송이 불가합니다. 해외주문배송 서비스는 인터파크 도서 회원 가입을 하셔야만 신청 가능합니다. 알아두세요!!! 도매상 및 제작사 사정에 따라 품절/절판 등의 사유로 취소될 수 있습니다. 오픈마켓업체의 배송지연시 주문이 자동으로 취소될 수 있습니다. 출고가능 시간이 서로 다른 상품을 함께 주문할 경우 출고가능 시간이 가장 긴 기준으로 배송됩니다. 유통의 특성상 출고기간은 예정보다 앞당겨지거나 늦춰질 수 있습니다. 택배사 배송일인 서울 및 수도권은 1~2일, 지방은 2~3일, 도서, 산간, 군부대는 3일 이상의 시간이 소요됩니다.