{"product_id":"139745","title":"Analyse des données de séries temporelles Prophet ","description":"\u003ccenter\u003e\u003cdiv style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/tmgdisk01.cafe24.com\/images\/vs\/4172\/sv\/3jXPBu8DAySXip4mih6wUCX6P6JYFr.png?v=1765076343\" style=\"max-width:100%;max-height:10px\"\u003e\u003c\/div\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\n\n\u003cdiv style=\"width:95%\"\u003e\n\n\u003cdiv style=\"text-align:center;font-size:30px;font-weight:bolder;line-height:1.6em\"\u003e Analyse des données de séries temporelles Prophet \u003c\/div\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cdiv style=\"border-bottom:1px;border-bottom-style:dotted;border-color:;padding-bottom:20px\"\u003e\u003ccenter\u003e\u003ctable align=\"center\" width=\"100%\"\u003e\u003ctbody style=\"border:0px\"\u003e\n\n\u003ctr\u003e\u003ctd align=\"center\" style=\"line-height:1.2em;text-align:center;font-size:18px;color:black;font-weight:bold;padding-bottom:20px;\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\n\n\u003ctr\u003e\u003ctd style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/image.yes24.com\/goods\/160153205\/XL\" style=\"max-width:100%;height:auto\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\n\n\n\u003c\/tbody\u003e\u003c\/table\u003e\u003c\/center\u003e\u003c\/div\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cdiv style=\"width:95%;{split_style6}padding-top:20px;padding-bottom:20px\"\u003e\n\n\u003cdiv style=\"text-align:left;font-size:16px;font-weight:bold;padding-bottom:20px\"\u003e Description \u003c\/div\u003e\n\n\u003cdiv style=\"text-align:left;word-break:break-all;font-size:14px;line-height:1.6em;\"\u003e\n\n\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eIntroduction au livre\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\u003cdiv\u003e\u003cdiv\u003e Nous ne pouvons pas prédire l'avenir, mais nous pouvons mettre en œuvre des modèles prédictifs.\u003cbr\u003e Prophet est un outil open source puissant qui permet aux développeurs Python et R de créer des prévisions de séries temporelles évolutives. \u003cbr\u003eProphet est conçu pour produire des résultats de haute qualité sans réglage ni optimisation des paramètres.\u003cbr\u003e Et avec un minimum d'apprentissage, n'importe qui peut ajuster intuitivement le modèle pour améliorer considérablement ses résultats d'analyse.\u003cbr\u003e\u003cbr\u003e\u003cbr\u003e Ce livre décrit étape par étape le fonctionnement interne de Prophet, des modèles prédictifs à la mise en œuvre des techniques prédictives de pointe de Prophet.\u003cbr\u003e Nous fournissons des exemples de modèles entièrement fonctionnels basés sur des données brutes issues de divers sujets, vous donnant ainsi les connaissances nécessaires pour modéliser des données futures avec une plus grande précision et avec moins de code.\u003cbr\u003e Si vous suivez attentivement ces étapes, vous pourrez utiliser Prophet ainsi que les ingénieurs hautement qualifiés de Meta.\u003cbr\u003e\u003cbr\u003e\u003cbr\u003e Prophet, un outil de prévision de séries temporelles open source de Meta (Facebook) qui capture un contexte riche avec des codes courts sans nécessiter de connaissances spécialisées.\u003c\/div\u003e\u003c\/div\u003e\u003c\/div\u003e\n\u003cbr\u003e\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eindice\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e PARTIE 01 Premiers pas avec Prophet\u003cbr\u003e __01. \u003cbr\u003eHistoire de la prévision des séries chronologiques\u003cbr\u003e ____01-1 Aperçu des prévisions de séries chronologiques\u003cbr\u003e __1.1.1 Problème des données dépendantes\u003cbr\u003e ____01-2 Moyenne mobile et lissage exponentiel\u003cbr\u003e ____01-3 Moyenne mobile cumulative autorégressive (ARIMA)\u003cbr\u003e ____01-4 ARCH\/GARCH\u003cbr\u003e ____01-5 Réseau neuronal\u003cbr\u003e ____01-6 Prophète\u003cbr\u003e ____01-7 Développements récents\u003cbr\u003e __1.7.1 NeuralProphet\u003cbr\u003e __1.7.2 « Prévision robuste des séries temporelles à grande échelle » de Google\u003cbr\u003e __1.7.3 SilverKite\/GreyKite de LinkedIn\u003cbr\u003e __1.7.4 L'orbite d'Uber\u003cbr\u003e __02.\u003cbr\u003e Prophète Début\u003cbr\u003e ____02-1 Télécharger le fichier notebook Colab\u003cbr\u003e ____02-2 Construction d'un modèle de prophète simple\u003cbr\u003e ____02-3 Interprétation du cadre de données de prédiction\u003cbr\u003e ____02-4 Comprendre le diagramme des composants\u003cbr\u003e __03.\u003cbr\u003e Comment fonctionne Prophet\u003cbr\u003e ____03-1 Pourquoi Facebook a créé Prophet\u003cbr\u003e ____03-2 Prévisions avec l'analyste intégré\u003cbr\u003e ____03-3 Formule du Prophète\u003cbr\u003e 3.4.1 Croissance linéaire\u003cbr\u003e 3.4.2 Croissance logistique\u003cbr\u003e 3.4.3 Saisonnalité\u003cbr\u003e 3.4.4 Jours fériés\u003cbr\u003e PARTIE 02 Saisonnalité, réglage et fonctionnalités avancées\u003cbr\u003e __04.\u003cbr\u003e Traitement des données non quotidien\u003cbr\u003e ____04-1 Consommation mensuelle de données\u003cbr\u003e ____04-2 Utilisation de données avec un cycle inférieur à un jour \u003cbr\u003e____04-3 Utilisation de données avec des intervalles de données manquantes réguliers\u003cbr\u003e __05.\u003cbr\u003e Gestion de la saisonnalité\u003cbr\u003e ____05-1 Saisonnalité additive vs. multiplicative\u003cbr\u003e ____05-2 Contrôle de la saisonnalité par ordre de Fourier\u003cbr\u003e ____05-3 Ajout d'une saisonnalité personnalisée\u003cbr\u003e ____05-4 Ajout d'une saisonnalité conditionnelle\u003cbr\u003e ____05-5 Règlement saisonnier\u003cbr\u003e 5.5.1 Régulation saisonnière globale\u003cbr\u003e 5.5.2 Réglementation saisonnière locale\u003cbr\u003e __06.\u003cbr\u003e Prévoir l'effet des jours fériés\u003cbr\u003e ____06-1 Ajout des jours fériés nationaux de base\u003cbr\u003e ____06-2 Jours fériés supplémentaires des administrations locales (État\/province)\u003cbr\u003e ____06-3 Créer un jour férié personnalisé\u003cbr\u003e ____06-4 Créer des vacances\u003cbr\u003e ____06-5 Règlement sur les jours fériés\u003cbr\u003e 6.5.1 Réglementation relative aux jours fériés internationaux\u003cbr\u003e 6.5.2 Règlement relatif aux vacances individuelles\u003cbr\u003e __07.\u003cbr\u003e Adaptation du mode de croissance\u003cbr\u003e ____07-1 Application de croissance linéaire\u003cbr\u003e ____07-2 Fonction logistique\u003cbr\u003e ____07-3 Application de la croissance logistique pour prédire la saturation\u003cbr\u003e 7.3.1 Accroître la croissance logistique\u003cbr\u003e 7.3.2 Plafond supérieur fluctuant\u003cbr\u003e 7.3.3 Diminution de la croissance logistique\u003cbr\u003e ____07-4 Application de croissance plate\u003cbr\u003e ____07-5 Créer une tendance personnalisée\u003cbr\u003e __08.\u003cbr\u003e Ajustement des points de changement de tendance\u003cbr\u003e ____08-1 Détection automatique des points de changement de tendance \u003cbr\u003e8.1.1 Détection des changements par défaut\u003cbr\u003e ____08-2 Modifications du règlement\u003cbr\u003e ____08-3 Définir l'emplacement du point de changement personnalisé\u003cbr\u003e __09.\u003cbr\u003e Ajouter des variables explicatives\u003cbr\u003e ____09-1 Ajouter une variable de valeur binaire\u003cbr\u003e ____09-2 Ajouter des variables continues\u003cbr\u003e Interprétation des coefficients ____09-3\u003cbr\u003e __10.\u003cbr\u003e Valeurs aberrantes et événements spéciaux\u003cbr\u003e ____10-1 Correction des valeurs aberrantes à l'origine des variations saisonnières\u003cbr\u003e ____10-2 Correction des valeurs aberrantes à l'origine d'intervalles d'incertitude larges\u003cbr\u003e ____10-3 Détection automatique des valeurs aberrantes\u003cbr\u003e __10.3.1 Windsor\u003cbr\u003e __10.3.2 Écart type\u003cbr\u003e 10.3.3 Moyenne mobile\u003cbr\u003e 10.3.4 Écart type de l'erreur\u003cbr\u003e Modélisation des valeurs aberrantes ____10-4 comme événements spéciaux\u003cbr\u003e ____10-5 Modélisation de l'impact des confinements liés à la COVID-19\u003cbr\u003e __11.\u003cbr\u003e Gestion des intervalles d'incertitude\u003cbr\u003e ____11-1 Modélisation de l'incertitude des tendances\u003cbr\u003e ____11-2 Modélisation de l'incertitude saisonnière\u003cbr\u003e PARTIE 03 DIAGNOSTIC ET ÉVALUATION\u003cbr\u003e __12.\u003cbr\u003e Effectuer une validation croisée\u003cbr\u003e ____12-1 validation croisée k-fold\u003cbr\u003e ____12-2 Validation croisée en chaîne avant\u003cbr\u003e ____12-3 Création d'un DataFrame de validation croisée Prophet\u003cbr\u003e ____12-4 Validation croisée parallèle\u003cbr\u003e __13.\u003cbr\u003e Évaluation des indicateurs de performance\u003cbr\u003e ____13-1 Comprendre l'indicateur du prophète\u003cbr\u003e __13.1.1 MSE\u003cbr\u003e __13.1.2 RMSE \u003cbr\u003e__13.1.3 MAE\u003cbr\u003e __13.1.4 MAPE\u003cbr\u003e __13.1.5 MdAPE\u003cbr\u003e __13.1.6 SMAPE\u003cbr\u003e __13.1.7 Couverture\u003cbr\u003e 13.1.8 Sélection de l'indicateur optimal\u003cbr\u003e ____13-2 Création d'un dataframe de métriques de performance Prophet\u003cbr\u003e ____13-3 Traitement de coupure irrégulier\u003cbr\u003e ____13-4 Optimisation des hyperparamètres par recherche sur grille\u003cbr\u003e __14.\u003cbr\u003e Commercialisation du prophète\u003cbr\u003e ____14-1 Sauvegarder le modèle\u003cbr\u003e ____14-2 Mise à jour du modèle d'ajustement\u003c\/div\u003e\n\u003cdiv\u003e\u003c\/div\u003e\n\u003c\/div\u003e\n\u003cbr\u003e\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eAvis de l'éditeur\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e Ce livre vous guidera tout au long de l'installation et de la configuration de Prophet sur votre ordinateur, ainsi que dans la création de votre modèle initial avec seulement quelques lignes de code.\u003cbr\u003e Ensuite, nous explorerons des fonctionnalités plus avancées, telles que la visualisation des résultats de prévision, l'ajout de jours fériés, la saisonnalité, les points d'inflexion de tendance et la gestion des valeurs aberrantes.\u003cbr\u003e Vous apprendrez également pourquoi et comment modifier chaque paramètre de base.\u003cbr\u003e Vous apprendrez également à comprendre les séries de Fourier, leur modélisation de la saisonnalité et leur application. \u003cbr\u003eVous apprendrez également à optimiser des modèles plus complexes en ajustant les hyperparamètres et en incluant des régresseurs supplémentaires dans votre modèle.\u003cbr\u003e Vous effectuerez des diagnostics pour évaluer les performances du modèle et découvrirez des fonctionnalités utiles pour déployer Prophet dans des environnements de production réels.\u003cbr\u003e Cela vous permettra de développer des modèles de prévision sophistiqués et précis à l'aide d'un code concis, compréhensible et reproductible, en exploitant des ensembles de données de séries temporelles brutes.\u003cbr\u003e\u003cbr\u003e \u003cb\u003e★Principaux thèmes abordés dans ce livre★\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Chapitre 1 : L’évolution de la prévision des séries temporelles : des premières tentatives de compréhension des données de séries temporelles aux principaux développements algorithmiques actuels\u003cbr\u003e Chapitre 2 : Premiers pas avec Prophet : Fonctionnement de base et création de votre premier modèle\u003cbr\u003e Chapitre 3 : Fonctionnement de Prophet : Pourquoi Meta a développé Prophet et la formule de l’algorithme prédictif avec analyste intégré \u003cbr\u003eChapitre 4 : Traitement des données non quotidiennes : Comment traiter et utiliser diverses données périodiques autres que les données quotidiennes\u003cbr\u003e Chapitre 5 : Gestion de la saisonnalité : Concept et contrôle de la saisonnalité, un élément clé du modèle Prophet\u003cbr\u003e Chapitre 6 : Prévoir l’effet des jours fériés : définition des jours fériés par défaut, régionaux et personnalisés et prise en compte de l’effet des jours fériés\u003cbr\u003e Chapitre 7 : Ajustement des modes de croissance : modèles linéaire, logistique et plat et leurs applications\u003cbr\u003e Chapitre 8 : Maîtriser les changements de tendance : Ajuster la rigidité et la flexibilité de la ligne de tendance pour construire des modèles optimaux pour différentes situations\u003cbr\u003e Chapitre 9 Ajout de variables explicatives : Comment ajouter des données d’entrée multivariées à l’aide de variables explicatives\u003cbr\u003e Chapitre 10 Valeurs aberrantes et événements spéciaux : Problèmes liés aux valeurs aberrantes, détection automatique et techniques de traitement basées sur Prophet\u003cbr\u003e Chapitre 11 Gestion des intervalles d'incertitude : quantification de l'incertitude du modèle et techniques de visualisation\u003cbr\u003e Chapitre 12 : Mise en œuvre de la validation croisée : Méthodes de validation croisée et Prophet pour les caractéristiques des données de séries temporelles \u003cbr\u003eChapitre 13 : Évaluation des indicateurs de performance : optimisation des modèles et amélioration de la précision grâce aux indicateurs de performance et à la validation croisée\u003cbr\u003e Chapitre 14 : Commercialisation de Prophet : Méthodes de sauvegarde et de mise à jour des modèles et techniques de partage de tableaux de bord avec Plotly\u003cbr\u003e\u003cbr\u003e \u003cb\u003e★Public cible de ce livre★\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e * Les gestionnaires d'entreprise et les analystes de données qui souhaitent apprendre la prévision de séries temporelles à l'aide de Python ou de R.\u003cbr\u003e * Les data scientists et les analystes qui souhaitent comprendre les caractéristiques des données de séries temporelles et leurs différences avec d'autres types de données.\u003cbr\u003e * Ingénieurs en apprentissage automatique souhaitant appliquer l'apprentissage automatique et la modélisation prédictive à des projets concrets.\u003cbr\u003e * Les ingénieurs logiciels qui souhaitent utiliser des techniques prédictives lors du traitement de données de séries temporelles dans le processus de développement logiciel. \u003c\/div\u003e\n\u003cdiv\u003e\u003c\/div\u003e\n\u003c\/div\u003e\n\u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cdiv style=\"width:95%;padding-top:20px;padding-bottom:20px\"\u003e\n\n\u003cdiv style=\"text-align:left;font-size:16px;font-weight:bold;padding-bottom:20px\"\u003e SPÉCIFICATIONS DES PRODUITS \u003c\/div\u003e\n\n\u003cdiv style=\"text-align:left;font-size:14px;line-height:1.6em;\"\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eDate d'émission :\u003c\/strong\u003e 15 octobre 2025\u003c\/div\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eNombre de pages, poids, dimensions :\u003c\/strong\u003e 324 pages | 170 × 232 × 30 mm\u003c\/div\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eISBN13 :\u003c\/strong\u003e 9791193083307\u003c\/div\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eISBN10 :\u003c\/strong\u003e 1193083303 \u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\u003ccenter\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cspan\u003e\u003c\/span\u003e\n\n\u003c\/center\u003e\n\n\n\u003c\/center\u003e","brand":"LIBRAIRIE COREENNE","offers":[{"title":"Default Title","offer_id":43893377040426,"sku":"139745","price":38.0,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0683\/2750\/5962\/files\/09a3be251988bd880b0e22798727dd38.jpg?v=1765399066","url":"https:\/\/librairie.coreenne.fr\/products\/139745","provider":"LIBRAIRIE COREENNE","version":"1.0","type":"link"}