[책 리뷰] 파이썬 시계열 예측 분석 (서평단 리뷰)

제이펍 출판사 서평단 자격으로 작성된 글입니다.

 

책 소개

• 도서명 : 파이썬 시계열 예측 분석 - 통계 모델, 딥러닝, 파이썬 라이브러리를 활용한 대규모 시계열 데이터 분석 
  • 제이펍(Jpub) 출판사에서 서평을 위해 무료 제공
• 책 URL : https://www.yes24.com/Product/Goods/128928864

파이썬 시계열 예측 분석 - 예스24

• 소스코드 URL : https://github.com/jpub-dongdong9/TimeSeriesForecastingInPython

GitHub - jpub-dongdong9/TimeSeriesForecastingInPython: Jpub 출간, 한국어 번역서를 위한 소스 코드 저장소입니

 

제이펍 출판사 무료제공 책

 

주요 내용 및 소감

• 총평
  • 상당한 두께의 어마무시한 책이지만, 생각만큼 어렵게 쓰여진 책은 아니다.
    • 통계(p-value 등), 시계열 관련 선수지식(차분, 백색소음 등 기본개념), 딥러닝(LSTM 등)에 대한 선수지식을 필요로 합니다. 
    • 21개 챕터 중 캡스톤 프로젝트가 3개나 되기 때문에, 시계열을 공부한지 얼마 되지 않은 사람들이 공부하면 좋을 것 같습니다.
    • 또한 시계열의 기본 구조가 회귀식이기 때문에, 수식이 굉장히 많이 나오는 편입니다.
      • 그래도 수식은 최소한으로 사용했다고 느껴집니다. 
    • 딥러닝을 수박 겉핥기 식으로 공부하셔서, 시계열을 자세히 공부하고 싶었던 분들이 좋아하실 책입니다.

 

• 추천 여부 : 추천
  • 기본적인 시계열 예측이 대부분 R을 기준으로 쓰인 책이 많다는 것을 전제할 때, python 중심의 학습자에게는 매우 좋은 책입니다.
  • 특히 개념보다는 예제 중심 코드, 최신 유행하는 라이브러리에 대한 설명을 적고 있기 때문에 근 6개월 내로는 해당 책 내용이 시계열 예측 분야에서는 꽤나 효과적일 것 같습니다.
  • 딥러닝이나 시계열에 대해 처음 배우는 분이라면, 여러 프로젝트를 진행하며 지식을 체득하는데 많은 도움이 될 것으로 보입니다.
  • 각 장마다 시계열 예측에 쓰이는 각 모델을 자세히 설명해주는 편이라, 저는 평소 헷갈리던 모델의 용도를 재정리할 수 있었습니다.

 

• 추천 대상
  • 시계열 예측에 관심이 있는 학부생, 비전공자 대학원생
  • 시계열 예측에 관심이 있는 금융업계 IT직무 근로자
  • 취업을 위한 캡스톤 프로젝트를 진행해야 하는 취준생
  • 시계열을 배웠지만, 명확한 개념을 잡지 못한 딥러닝 전공자

 

• 특이사항
  • 예제코드를 돌리면 몇몇 패키지는 버전이 맞지 않아서, 업그레이드가 필요했습니다.
    • 기존 matplotlib 3.5.1 / upgrade --> 3.9.1
    • 기존 seaborn 0.11.2 / upgrade --> 0.13.2
    • 기존 tensorflow 2.6.0 / upgrade --> 2.8.0
  • Chapter 14부터 시작하는 딥러닝 모델을 돌리는 데에 GPU가 없어도 큰 문제는 없었습니다.
    • local : windows11(OS), RAM 16GB, Core i7 기준 / 별도 GPU 없음
  • 다만 예제코드가 들어간 쥬피터 노트북 파일 하나만 돌리더라도, 굉장히 뜨거워지기 때문에
    코드 확인하실 땐 구글 코랩 사용하시는 것을 추천드립니다.

CNN + LSTM 모델 학습 코드 실행 화면

 

 

 

• 책 내용
  • 시계열 예측 분석 책은 21장을 4부로 나눈 형태입니다.

• • 1부 :  시계열 예측
    • 1장 : 시계열 데이터 정의 및 예측 프로젝트의 생애 주기
    • 2장 : 베이스라인 모델 만들기 (비교용)
    • 3장 : 확률보행 모델
  • 2부 : 통계적 모델 기반 예측 
    • 4장 : 이동평균모델
    • 5장 : 자기회귀모델
    • 6장 : ARMA 모델
    • 7장 : ARIMA모델, 비정상적 시계열에 대한 예측
    • 8장 : SARIMA모델, 계절성이 있는 시계열에 대한 예측
    • 9장 : SARIMAX모델, 외부 환경을 반영하는 모델
    • 10장 : 벡터자기회귀모델 VAR, 여러 시계열을 동시 예측
    • 11장 : 캡스톤 프로젝트
  • 3부 : 딥러닝 기반 예측
    • 12장 : 딥러닝 기법과 예측 모델 유형
    • 13장 : 데이터 윈도잉 단계 
    • 14장 : 기초 딥러닝 예측모델 개발
    • 15장 : LSTM 기반 예측모델 개발
    • 16장 : CNN 기반 예측모델 개발
    • 17장 : 자기회귀 딥러닝 예측모델 개발
    • 18장 : 캡스톤 프로젝트
  • 4부 : Prophet 등의 자동화된 예측 라이브러리 사용 방법
    • 19장 : 예측 라이브러리 생태계, Prophet 과 SARIMAX 모델 비교
    • 20장 : 캡스톤 프로젝트를 통한 Prophet 과 SARIMAX 모델 성능 비교
    • 21장 : 마무리