오늘부터 아빠입니다 또는 시계열 예측과 분석: 통계적 모형·혼합형 모형·딥러닝 모형 > NEW도서

오늘부터 아빠입니다



도서명 : 오늘부터 아빠입니다
저자/출판사 : 김근웅, 미다스북스
쪽수 : 200쪽
출판일 : 2023-12-27
ISBN : 9791169104364
정가 : 18000

프롤로그

1. 오늘부터 아빠입니다
1) 지금부터 아빠입니다
2) 아빠지만 29살 남자입니다
3) 임산부 체험, 제가 해보겠습니다
〈아빠가 전하는 육아 팁 1〉 임산부 체험

2. N년 차 사원이 육아휴직을 선택하기까지
1) 아내는 출산을, 남편은 배우자 출산휴가를
2) 아내에게도 시간이 필요합니다
3) 맞벌이 가정은 어린이집을 언제 다닐까
4) 어린이집을 다니게 되면서 나타나는 일들
5) 나쁜 아빠 아닙니다, 바쁜 아빠입니다
6) 막내가 육아휴직을 쓰겠다고 한다면
7) 육아휴직, 제가 해보겠습니다
〈아빠가 전하는 육아 팁 2〉 배우자 출산휴가, 육아기 근로시간 단축

3. 1년 동안 주부가 되기로 한 아빠
1) 집안일, 생각보다 어렵더라고요
2) 내가 먹는 것처럼 할 수 없는 아기 밥 먹이기
3) 의사소통이 되지 않을 때면
4) 다양한 경험과 스스로 할 수 있는 것들
5) 이유 있는 방구석 여포
6) 엄마, 아빠와 떨어지기 싫어하는 아이를 볼 때면
7) 아빠의 육아휴직으로 얻게 되는 것들
8) 주 양육자 아빠입니다
〈아빠가 전하는 육아 팁 3〉 육아휴직

4. 육아 vs 사회생활
1) 육아와 회사생활, 무엇이 더 쉬울까
2) 놀이로 연관 짓는 다양한 상황들
3) 아빠도 조금은 외로울 때가 있습니다
4) 아직 현실에선 익숙하지 않은 아빠 육아
〈아빠가 전하는 육아 팁 4〉 지역별 아빠 육아휴직 장려금

5. 육아, 인터넷으로 배웠어요
1) 아빠는 왜 가입이 안 되죠?
2) SNS를 통해 배운 육아
3) 내가 몰랐던 육아 블로그의 세계
〈아빠가 전하는 육아 팁 5〉 육아종합지원센터

6. 초보 아빠, 육아인플루언서 되다
1) 직접 찾아보겠습니다
2) 육아는 일상이 콘텐츠
3) 이야기를 나눌 수 있다는 즐거움
4) 아빠 육아가 이렇게 관심 받을 일인가요
〈아빠가 전하는 육아 팁 6〉 정보를 찾을 때 주의해야 할 점

7. 어느 날 갑자기, 육아 번아웃
1) 자기주장이 생기기 시작한 아이를 보며
2) 예민해진 나를 느낀 시점
3) 공감능력 없는 남편일까 생각하곤 합니다
〈아빠가 전하는 육아 팁 7〉 육아로 인한 번아웃

8. 아빠도 육아로 인해 퇴사를 합니다
1) 어라? 내 자리가 없다
2) 네, 퇴사 제가 해보겠습니다
3) 육아휴직과 복직, 존재하는 사각지대
4) 어떤 아이로 성장하길 원할까
5) 좋은 부모 호소인
글을 마치며




시계열 예측과 분석: 통계적 모형·혼합형 모형·딥러닝 모형



도서명 : 시계열 예측과 분석: 통계적 모형·혼합형 모형·딥러닝 모형
저자/출판사 : 박유성, 자유아카데미
쪽수 : 492쪽
출판일 : 2024-04-05
ISBN : 9791158086046
정가 : 36000

Chapter 1 시계열분석
1.1 시계열자료의 형태
1.2 시계열자료의 표본구성
1.3 내용정리
1.4 시계열분석을 위한 라이브러리

Part 1 통계적 시계열 모형

Chapter 2 단순시계열 모형
2.1 Naive 예측모형
2.2 Naive 모형의 적용

Chapter 3 시계열 분해와 Exponential Smoothing
3.1 고전적 시계열 분해
3.2 Exponential smoothing

Chapter 4 ETS 모형
4.1 ETS 모형의 모수추정
4.2 ETS 모형의 선택과 예측
4.3 ETS 모형의 적용

Chapter 5 Theta 모형
5.1 Theta 모형의 구조
5.2 Theta 모형의 적용

Chapter 6 ARIMA 모형과 VARIMA 모형
6.1 ARIMA 모형
6.2 SARIMA 모형
6.3 SARIMA 모형의 설정, 모수추정, 그리고 예측
6.4 Automatic ARIMA와 ARIMA 모형의 분석 절차
6.5 SARIMA 모형의 적용
6.6 VARIMA 모형

Chapter 7 BATS와 TBATS
7.1 BATS 모형
7.2 TBATS 모형
7.3 BATS와 TBATS의 적용과 응용

Chapter 8 Kalman Filter
8.1 Kalman Filter의 이해
8.2 Linear Projection
8.3 Kalman Filter의 유도
8.4 Kalman Filter의 모수추정과 예측

Part 2 혼합형 시계열 모형

Chapter 9 AR-NET과 Conformal interval
9.1 AR-NET
9.2 Conformal interval

Chapter 10 Neural Prophet
10.1 추세
10.2 계절성
10.3 자기회귀모형과 과거공변량 회귀모형
10.4 미래공변량 회귀와 event 및 holiday 효과
10.5 Neural Prophet의 손실함수, 규제화, 그리고 자료사전정리 과정
10.6 global 모형과 local 모형
10.7 시계열 모형의 교차검증과 예측
10.8 Conformal 구간 추정

Part 3 머신러닝 및 딥러닝 시계열 모형

Chapter 11 Local 모형과 Global 모형
11.1 다중 시계열의 구조와 global 시계열 모형
11.2 다변량 시계열과 다중 시계열
11.3 회귀모형을 이용한 시계열 예측

Chapter 12 앙상블러닝을 이용한 시계열 분석
12.1 앙상블러닝을 기반한 시계열 분석

Chapter 13 N-BEATS와 N-HiTS
13.1 N-BEATS
13.2 N-HiTS
13.3 N-BEATS와 N-HiTS의 적용

Chapter 14 RNN을 이용한 시계열 예측
14.1 RNN 모형
14.2 RNN 시계열 모형의 적용

Chapter 15 TCN(Temporal Convolutional Networks)과 Transformers
15.1 TCN 시계열 모형
15.2 Transformer 시계열 모형

Chapter 16 DLinear, NLinear, 그리고 TiDE
16.1 LTSF-Linear 모형
16.2 TiDE
16.3 딥러닝 시계열 모형에서의 비정상 시계열
16.4 DLinear, NLinear, 그리고 TiDE의 적용과 응용

Chapter 17 TFT, 불변공변량, 그리고 설명가능성
17.1 TFT의 구조
17.2 TFT의 적용과 응용
17.3 불변공변량을 이용한 조건부 global 모형
17.4 TFT의 설명 가능성

Chapter 18 확률적 예측
18.1 확률적 예측
18.2 딥러닝 모형에서의 확률적 예측
18.3 Darts를 이용한 probabilistic forecast

Chapter 19 딥러닝 다변량 및 다중 시계열 모형
19.1 딥러닝 시계열 모형을 이용한 다중 시계열 및 다변량 시계열 분석
19.2 코스피, 코스닥 예측과 다변량 시계열 예측

Chapter20 DTW를 이용한 시계열의 군집과 주가예측
20.1 DTW(Dynamic Time Warp)와 Warping Path
20.2 시계열의 군집과 군집의 효과
20.3 패턴 탐색에 의한 주가 예측