عنوان:

Time Series Forecasting Using Generative AI

نویسنده:

Banglore Vijay Kumar Vishwas

انتشارات:

Apress

تاریخ انتشار:

2025

حجم:

2.9MB

دانلود

معرفی کتاب:" پیش‌بینی سری‌های زمانی با استفاده از هوش مصنوعی مولد: بهره‌گیری از هوش مصنوعی برای پیش‌بینی دقیق (نسخهٔ اول) "

این کتاب، خواننده را با هوش مصنوعی مولد (Generative AI) در تحلیل سری‌های زمانی آشنا کرده و مروری جامع بر پیشرفته‌ترین روش‌های پیش‌بینی ارائه می‌دهد.

کتاب با مروری بر تاریخچه و اصول پایه‌ی Gen AI آغاز می‌شود و سپس مقدمه‌ای مختصر بر مدل‌های زبانی بزرگ (LLMs) ارائه می‌دهد. در ادامه، معماری‌های مختلف شبکه عصبی مانند MLP، WaveNet، TCN، RNN، LSTM، DeepAR و NBEATS برای تحلیل سری‌های زمانی بررسی می‌شوند.

سپس کتاب به قدرت معماری ترنسفورمر (Transformer) پرداخته و نسخه‌های مختلفی از آن را معرفی می‌کند: Vanilla Transformer، iTransformer، DLinear، PatchTST و دیگر مدل‌های مدرن.

در بخش پایانی، کتاب وارد دنیای مدل‌های بنیادین (Foundation Models) می‌شود؛ از جمله Time-LLM، Chronos، TimeGPT، Moirai و TimesFM که به شما امکان می‌دهند مدل‌هایی دقیق و پیشرفته برای نیازهای خاص پیاده‌سازی کنید.

آنچه در این کتاب خواهید آموخت:

  • درک تاریخچه و کاربردهای Gen AI در پیش‌بینی سری‌های زمانی
  • پیاده‌سازی معماری‌های متنوع شبکه عصبی
  • شناخت عمیق از معماری ترنسفورمر و نسخه‌های آن
  • بررسی مدل‌های بنیادین مانند TimeGPT و Chronos
  • کسب مهارت عملی در استفاده از Gen AI برای حل چالش‌های واقعی

مخاطبان این کتاب:

  • دانشمندان داده
  • مهندسان یادگیری ماشین
  • تحلیل‌گران مالی و اقتصادی
  • تحلیل‌گران کسب‌وکار
  • دانشجویان علاقه‌مند به هوش مصنوعی

فهرست مطالب

  • About the Authors
  • About the Technical Reviewer
  • Acknowledgments
  • Introduction
  • Chapter 1: Time Series Meets Generative AI
  • What Sparked Interest in Time Series?
  • Introduction to Time Series Analysis
  • 1.8 References
  • Chapter 2: Neural Networks for Time Series
  • 2 Introduction to Perceptron
  • 2.1 Technical Overview of a Perceptron
  • 2.2 What Is Multilayer Perceptron?
  • 2.3 CNN-Based Architecture for Time Series
  • 2.5 Neural Networks for Sequential Data
  • 2.6 Neural Networks Based on Autoregression
  • 2.7 Neural Basis Expansion Analysis
  • 2.8 Summary
  • 2.9 References
  • Chapter 3: Transformers for Time Series
  • 3 Introduction to Transformers
  • 3.1 Technical Overview of Transformers
  • 3.2 Vanilla Transformer
  • 3.3 Inverted Transformers
  • 3.4 DLinear
  • 3.5 NLinear
  • 3.6 Patch Time Series Transformer
  • 3.7 Summary
  • 3.8 References
  • Chapter 4: Time-LLM: Reprogramming Large Language Model
  • 4 Fine-Tuning vs. Reprogramming
  • 4.1 Technical Overview of Time-LLM
  • 4.2 Time-LLM in Action
  • 4.3 Summary
  • 4.4 Reference
  • Chapter 5: Chronos: Pre-trained Probabilistic Time Series Model
  • 5 Introduction
  • 5.1 Technical Overview of Chronos
  • 5.2 Time Series Tokenization
  • 5.3 Training
  • 5.4 Inference
  • 5.5 Chronos in Action
  • 5.6 Summary
  • 5.7 Reference
  • Chapter 6: TimeGPT: The First Foundation Model for Time Series
  • 6 Introduction
  • 6.1 Technical Overview of TimeGPT
  • 6.2 TimeGPT in Action
  • 6.3 Summary
  • 6.4 References
  • Chapter 7: MOIRAI: A Time Series LLM for Universal Forecasting
  • 7 Introduction
  • 7.1 Challenges with Building a Universal Forecasting Model
  • 7.2 Technical Overview of MOIRAI
  • 7.3 MOIRAI in Action
  • 7.4 Summary
  • 7.5 Reference
  • Chapter 8: TimesFM: Time Series Forecasting Using Decoder-Only Foundation Model
  • 8 Introduction
  • 8.1 Technical Overview of TimesFM
  • 8.2 TimesFM in Action
  • 8.3 Summary
  • 8.4 Conclusion
  • 8.5 Reference
  • Index

مشخصات

نام کتاب

Time Series Forecasting Using Generative AI

نویسنده

Banglore Vijay Kumar Vishwas

انتشارات

Apress

تاریخ انتشار

2025

ISBN

9798868812767

تعداد صفحات

226

زبان

انگلیسی

فرمت

pdf

حجم

2.9MB

موضوع

time-series