Книга представляет собой комплексное руководство по прогнозированию временны́х рядов, объединяющее классические статистические методы (ARIMA, ETS), градиентный бустинг и современные нейросетевые архитектуры в едином рабочем процессе на Python. Ключевая особенность издания — глава о прогнозируемости (forecastability): семнадцать количественных метрик оценки предсказуемости ряда, позволяющих определить теоретический предел точности еще до выбора модели. Отдельные разделы посвящены корректному проектированию схемы валидации, обнаружению и компенсации дрейфа данных, а также построению воспроизводимых production-решений.
Издание предназначено специалистам по анализу данных, инженерам машинного обучения и исследователям, работающим с временны́ми рядами. Она также будет полезна аспирантам, преподавателям и техническим руководителям в области прогнозной аналитики
