logo
logo
x
바코드검색
BOOKPRICE.co.kr
책, 도서 가격비교 사이트
바코드검색

인기 검색어

실시간 검색어

검색가능 서점

도서목록 제공

Prophet 시계열 데이터 분석

Prophet 시계열 데이터 분석

(시계열 모델 시각화 및 최적화)

그렉 래퍼티 (지은이), 임선집 (옮긴이), 채호창 (감수)
루비페이퍼
28,000원

일반도서

검색중
서점 할인가 할인률 배송비 혜택/추가 실질최저가 구매하기
25,200원 -10% 0원
1,400원
23,800원 >
yes24 로딩중
교보문고 로딩중
11st 로딩중
영풍문고 로딩중
쿠팡 로딩중
쿠팡로켓 로딩중
G마켓 로딩중
notice_icon 검색 결과 내에 다른 책이 포함되어 있을 수 있습니다.

중고도서

검색중
서점 유형 등록개수 최저가 구매하기
로딩중

eBook

검색중
서점 정가 할인가 마일리지 실질최저가 구매하기
로딩중

책 이미지

Prophet 시계열 데이터 분석
eBook 미리보기

책 정보

· 제목 : Prophet 시계열 데이터 분석 (시계열 모델 시각화 및 최적화)
· 분류 : 국내도서 > 컴퓨터/모바일 > 인공지능
· ISBN : 9791193083307
· 쪽수 : 324쪽
· 출판일 : 2025-10-15

책 소개

Python·R 개발자를 위한 Prophet 실전 가이드. 파라미터 조정 없이도 고품질 예측을 구현하고, 다양한 데이터 예시로 미래를 정밀하게 모델링하는 법을 단계적으로 익힌다.
전문 지식 없이도 짧은 코드로 풍부한 맥락을 담아내는
메타(페이스북)의 오픈소스 시계열 예측 도구 Prophet
미래를 예언할 수는 없지만, 예측 모델을 구현해 볼 수는 있습니다. Prophet은 Python과 R 개발자가 확장 가능한 시계열 예측을 구축할 수 있는 강력한 오픈 소스 도구입니다. Prophet은 파라미터 튜닝이나 최적화 과정 없이도 고품질의 결과를 내도록 설계되었습니다. 그리고 조금만 배워도 누구나 직관적으로 모델을 조정해서 분석 결과를 획기적으로 향상할 수 있습니다.
이 책에서는 예측 모델부터 Prophet의 내부 작동 방식까지 단계적으로 다루어 Prophet의 최첨단 예측 기법을 구현할 수 있습니다. 다양한 주제의 원시 데이터를 바탕으로 온전히 작동하는 모델 예시를 제공하여 짧은 코드로 더 높은 정확도의 미래 데이터를 모델링하는 데 필요한 지식을 갖추도록 도와줍니다. 이 단계를 잘 따라 온다면 메타의 고도로 숙련된 엔지니어들만큼 Prophet을 잘 활용할 수 있을 것입니다.

이 책은 컴퓨터에 Prophet을 설치하고 설정하는 방법, 그리고 단 몇 줄의 코드만으로 초기 모델을 구축하는 과정을 안내합니다. 이어서 예측 결과를 시각화하고, 휴일·계절성·추세 변곡점을 추가하며, 이상값을 처리하는 등 더 고급 기능을 살펴보게 됩니다. 아울러 각 기본 매개변수를 왜, 어떻게 수정해야 하는지도 배우게 됩니다. 또한 푸리에 급수를 이해하고 그것이 계절성을 어떻게 모델링하는지도 익히며, 계절성을 어떻게 적용할지도 배웁니다. 더 나아가 하이퍼파라미터 튜닝과 추가 회귀자를 모델에 포함해 더 복잡한 모델을 최적화하는 방법을 배우게 됩니다. 모델 성능을 평가하기 위한 진단을 실행하고, Prophet을 실제 운영 환경에서 활용할 때 유용한 기능도 익힙니다. 그리하여 원시 시계열 데이터셋을 활용해 간결하고 이해하기 쉬우며 재현 가능한 코드로 정교하고 정확한 예측 모델을 개발할 수 있게 될 것입니다.

★이 책에서 다루는 주요 분야★
1장 시계열 예측 발전사: 시계열 데이터를 이해하려는 초기 시도부터 오늘날까지의 주요 알고리즘 발전사
2장 Prophet 시작: Prophet이 동작하는 기본 프로세스와 첫 번째 모델 구축 방법
3장 Prophet 작동 방식: 메타가 Prophet을 개발한 이유와 analyst-in-the-loop, 예측 알고리즘 수식
4장 일별 기준이 아닌 데이터 처리: 일별 데이터가 아닌 다양한 주기 데이터를 처리하는 방법과 활용
5장 계절성 처리: Prophet 모델의 핵심 요소인 계절성 개념과 제어 방법
6장 공휴일 효과 예측: 기본·지역별·커스텀 공휴일 설정과 공휴일 효과 반영 기법
7장 성장 모드 조절: 선형, 로지스틱, 플랫 등 세 가지 추세 모드와 적용 상황
8장 추세 변경점 조절: 추세선의 경직성과 유연성을 조절해 상황별 최적 모델 구축
9장 설명 변수 추가: 설명 변수를 이용해 다변량 입력 데이터를 추가하는 방법
10장 이상값과 특별 이벤트: 이상값 문제와 자동 탐지 및 Prophet 기반 처리 기법
11장 불확실성 구간 처리: 모델의 불확실성 정량화와 시각화 기법
12장 교차 검증 실행: 시계열 데이터 특성에 맞는 교차 검증 방법과 Prophet 구현
13장 성능 지표 평가: 성능 지표와 교차 검증을 활용한 모델 최적화 및 정확도 향상
14장 Prophet 제품화: 모델 저장·업데이트 방법과 Plotly를 활용한 대시보드 공유 기법

★이 책의 대상 독자★
* 파이썬이나 R을 활용해 시계열 예측을 배우고자 하는 비즈니스 관리자 및 데이터 분석 담당자
* 시계열 데이터의 특성과 다른 데이터 유형과의 차이를 이해하고 싶은 데이터 과학자 및 분석가
* 머신러닝과 예측 모델링을 실제 프로젝트에 적용하려는 머신러닝 엔지니어
* 소프트웨어 개발 과정에서 시계열 데이터를 다루며 예측 기법을 활용하고자 하는 소프트웨어 엔지니어

목차

PART 01 Prophet으로 시작하기

__01. 시계열 예측 발전사__
____01-1 시계열 예측 개요
__1.1.1 종속 데이터 문제__
____01-2 이동평균과 지수평활법
____01-3 자기회귀누적이동평균(ARIMA)
____01-4 ARCH/GARCH
____01-5 신경망
____01-6 Prophet
____01-7 최근 발전 현황
__1.7.1 NeuralProphet__
__1.7.2 구글의 “견고한 대규모 시계열 예측”__
__1.7.3 링크드인의 SilverKite/GreyKite__
__1.7.4 우버의 Orbit__

__02. Prophet 시작__
____02-1 코랩 노트북 파일 다운로드
____02-2 간단한 Prophet 모델 구축
____02-3 예측 데이터프레임 해석
____02-4 구성 요소 플롯의 이해

__03. Prophet 작동 방식__
____03-1 페이스북이 Prophet을 구축한 동기
____03-2 analyst-in-the-loop 예측
____03-3 Prophet 수식
__3.4.1 선형 성장__
__3.4.2 로지스틱 성장__
__3.4.3 계절성__
__3.4.4 공휴일__

PART 02 계절성, 튜닝, 고급 기능

__04. 일별 기준이 아닌 데이터 처리__
____04-1 월별 데이터 사용
____04-2 하루보다 짧은 주기의 데이터 사용
____04-3 규칙적인 누락 구간을 가진 데이터 사용

__05. 계절성 처리__
____05-1 가산형 vs 곱셈형 계절성
____05-2 푸리에 차수로 계절성 조절
____05-3 커스텀 계절성 추가
____05-4 조건부 계절성 추가
____05-5 계절성 규제
__5.5.1 전역적 계절성 규제__
__5.5.2 국소적 계절성 규제__

__06. 공휴일 효과 예측__
____06-1 기본 국가 공휴일 추가
____06-2 기본 지자체(주/도) 공휴일 추가
____06-3 커스텀 공휴일 생성
____06-4 연휴 생성
____06-5 공휴일 규제
__6.5.1 전역적 공휴일 규제__
__6.5.2 개별 공휴일 규제__

__07. 성장 모드 조절__
____07-1 선형 성장 적용
____07-2 로지스틱 함수
____07-3 포화 예측 로지스틱 성장 적용
__7.3.1 증가하는 로지스틱 성장__
__7.3.2 변동하는 상한 cap__
__7.3.3 감소하는 로지스틱 성장__
____07-4 플랫 성장 적용
____07-5 커스텀 추세 생성

__08. 추세 변경점 조절__
____08-1 추세 변경점 자동 탐지
__8.1.1 기본(디폴트) 변경점 탐지__
____08-2 변경점 규제
____08-3 커스텀 변경점 위치 설정

__09. 설명 변수 추가__
____09-1 이진값 변수 추가
____09-2 연속형 변수 추가
____09-3 계수의 해석

__10. 이상값과 특별 이벤트__
____10-1 계절성 변동을 초래하는 이상값 수정
____10-2 넓은 불확실성 구간을 초래하는 이상값 수정
____10-3 이상값 자동 탐지
__10.3.1 윈저화__
__10.3.2 표준편차__
__10.3.3 이동평균__
__10.3.4 오차의 표준편차__
____10-4 이상값을 특별 이벤트로 모델링
____10-5 COVID-19 봉쇄 충격 모델링

__11. 불확실성 구간 처리__
____11-1 추세 불확실성 모델링
____11-2 계절성 불확실성 모델링

PART 03 진단과 평가

__12. 교차 검증 실행__
____12-1 k-폴드 교차 검증
____12-2 순방향 연쇄 교차 검증
____12-3 Prophet 교차 검증 데이터프레임 생성
____12-4 병렬 교차 검증

__13. 성능 지표 평가__
____13-1 Prophet 지표의 이해
__13.1.1 MSE__
__13.1.2 RMSE__
__13.1.3 MAE__
__13.1.4 MAPE__
__13.1.5 MdAPE__
__13.1.6 SMAPE__
__13.1.7 커버리지__
__13.1.8 최적 지표 선정__
____13-2 Prophet 성능 지표 데이터프레임 생성
____13-3 불규칙한 컷오프 처리
____13-4 그리드 서치로 하이퍼파라미터 튜닝

__14. Prophet 제품화__
____14-1 모델 저장하기
____14-2 적합 모델 업데이트
____14-3 Plotly로 인터랙티브 플롯 생성
__14.3.1 Plotly 예측 플롯__
__14.3.2 Plotly 구성 요소 플롯__
__14.3.4 Plotly 계절성 플롯__

부록. Prophet 설치

저자소개

그렉 래퍼티 (지은이)    정보 더보기
샌프란시스코에 있는 구글의 데이터 과학자이다. 10여 년 동안 페이스북(메타), IBM 등에서 일해온 그는 온라인 교육 플랫폼 코세라(Coursera)에서 비즈니스 데이터 분석가로도 활동해 왔고 이를 통해 데이터 과학 및 분석 분야에서 업계 전문가들과 협업을 이끌어내고 있다. MBA 및 공학 학위를 동시에 보유한 그는 데이터 과학 분야에서 전문가 및 일반 사용자 모두와 원활한 커뮤니케이션으로 정평이 높다.
펼치기
임선집 (옮긴이)    정보 더보기
미국 주립대 University of Central Oklahoma에서 MSBA(데이터 분석) 학위를 취득했다. 한국인터넷진흥원 조사분석팀장을 역임했고 제미나이, 챗GPT, 엑셀, AI 노코드 데이터 분석을 주제로 다수 기업 및 대학에 출강 중이다. 저서로는 <엑셀 데이터 분석 with 챗GPT>, <오렌지3 데이터 분석 with 파이썬> 등이 있으며 현재 컴퍼스랩의 Data Analyst 및 한국열린사이버대학 특임교수로 재직 중이다.
펼치기
채호창 (감수)    정보 더보기
미국 주립대 University of Central Oklahoma에서 Business Analytics 부교수로 재직 중이다. MSBA 학생들에게 인공지능, 딥러닝을 가르치며 MSBA Course Coordinator로 일하고 있다. University of North Texas에서 Business Computer Information Systems로 박사 학위를 받았다. 정보 기술이 기업 성과에 어떻게 영향을 미치는지를 ERP 시스템 도입, 모바일 앱 등의 실증 연구를 주로 하고 있고, 최근에는 머신러닝, 딥러닝을 이용해서 혁신 기업을 찾는 연구 중이다. 다수의 논문을 MIS Quarterly 등 세계 유력 학술지에 게재했고 2017 Emerald Citations of Excellence 상을 받았다.
펼치기

추천도서

이 포스팅은 쿠팡 파트너스 활동의 일환으로,
이에 따른 일정액의 수수료를 제공받습니다.
이 포스팅은 제휴마케팅이 포함된 광고로 커미션을 지급 받습니다.
도서 DB 제공 : 알라딘 서점(www.aladin.co.kr)
최근 본 책