実践Ｄａｔａ　Ｓｃｉｅｎｃｅシリーズ　Ｐｙｔｈｏｎではじめる時系列分析入門

★実務に役立つ「理論」こそが、最も実践的な「知識」なのだ！★

・理論とPython実装をバランスよく学べる、初学者向け入門書
・古典的な技術から、比較的新しい手法までを丁寧に解説
・実践的な実装技術や分析におけるTipsについても解説

【本書より抜粋】
本書は実践的な知識や技術を伝えることを目的とした書籍です。実践的な知識とは何なのかを考えたとき、きっと実装コードが載っているだけでは不足しているのだろうなと思いました。そのうち、プログラミングの大部分を生成AI が担うようになるはずだからです。
そこで、本書では実際にデータを分析しているあなたが、納得感を持って分析できるような知識を身につけてもらうことを目指しました。
本書ではできる限り暗黙知を言葉にすることに努めました。入門書なので数式はかなり減らしましたが、理論的な話が多いので、読み切るのはそれなりに大変かもしれません。それでも、こういった理論こそが、現在では最も実践的な知識なのだと信じています。

【主な内容】
第1部 時系列分析の基本
第1章 時系列分析をはじめよう
第2章 時系列データの構造
第3章 データ生成過程の基本

第2部 Pythonによる時系列分析の基本
第1章 環境構築
第2章 Pythonの基本
第3章 Pythonによる統計分析の基本
第4章 pandasによる日付処理の基本
第5章 Pythonによる時系列分析の基本
第6章 時系列データのシミュレーションと見せかけの回帰

第3部 基本的な時系列分析の手法
第1章 単純な時系列予測の手法
第2章 季節調整とトレンド除去
第3章 sktimeの使い方
第4章 指数平滑化法とその周辺

第4部 Box-Jenkins法とその周辺
第1章 Box-Jenkins法から自動予測アプローチへ
第2章 ARIMAモデル
第3章 SARIMAXモデル
第4章 モデル選択

第5部 線形ガウス状態空間モデル
第1章 状態空間モデルの概要
第2章 ローカルレベルモデルの基本
第3章 ローカルレベルモデルの実装
第4章 ローカルレベルモデルの数理
第5章 基本構造時系列モデル
第6章 状態空間モデルの分析事例

第6部 機械学習法
第1章 LightGBM
第2章 ニューラルネットワークと深層学習

第7部 時系列予測の実践的技術
第1章 モデルの保存と読み込み
第2章 時系列分析の実践におけるTipsと注意点