9. 探索的データ分析と診断
　技術要件
　レシピ38　pandas を使って時系列データのプロット
　レシピ39　hvPlot を使って時系列データをインタラクティブなプロットで可視化
　レシピ40　時系列データの分解
　レシピ41　時系列の定常性検出
　レシピ42　ベキ変換の適用
　レシピ43　時系列データの自己相関検定
10. 統計手法で一変数時系列モデルを作る
　技術要件
　レシピ44　ACF とPACF のプロット
　レシピ45　指数平滑化で一変量時系列データを予測
　レシピ46　非季節性ARIMA で一変量時系列データを予測
　レシピ47　季節性ARIMA で一変量時系列データを予測
11. 時系列の統計モデル化技法の続き
　技術要件
　レシピ48　auto arima を使った時系列データの予測
　レシピ49　Facebook のProphet を使った時系列データの予測
　レシピ50　VAR（ベクトル自己回帰）を使った多変量時系列データの予測
　レシピ51　VAR モデルの評価
　レシピ52　GARCH による金融時系列データのボラティリティ予測
12. 教師あり機械学習を使った予測
　技術要件
　レシピ53　教師あり学習のために時系列データを準備する
　レシピ54　scikit-learn で線形回帰モデルを使いワンステップ予測
　レシピ55　scikit-learn で線形回帰モデルを使いマルチステップ予測
　レシピ56　sktime で非線形モデルを使い予測する
　レシピ57　ハイパーパラメータチューニングで予測モデルを最適化
　レシピ58　外生変数とアンサンブル学習で予測
13. 時系列予測のための深層学習
　技術要件
　人工ニューラルネットワークを理解する
　レシピ59　Keras を使いRNN で予測
　レシピ60　Keras を使いLSTM で予測
　レシピ61　Keras を使いGRU で予測
　レシピ62　PyTorch を使いRNN で予測
　レシピ63　PyTorch を使いLSTM で予測
　レシピ64　PyTorch を使いGRU で予測
14. 教師なし学習を用いた外れ値検出
　技術要件
　レシピ65　KNN を使った外れ値検出
　レシピ66　LOF を使った外れ値検出
　レシピ67　iForest を使った外れ値検出
　レシピ68　OCSVM（One-Class Support Vector Machine，1 クラスサポートベクターマシン）を使った外れ値検出
　レシピ69　COPOD を使った外れ値検出
　レシピ70　PyCaret を使った外れ値検出
15. 複雑な時系列のための高度な技法
　技術要件
　状態空間モデルの理解
　レシピ71　複数の季節性パターンがある時系列をMSTL で分解
　レシピ72　複数の季節性パターンをUCM（観測不能成分モデル）で予測
　レシピ73　複数の季節性パターンがある時系列をProphet で予測
　レシピ74　複数の季節性パターンがある時系列をNeuralProphet で予測
訳者あとがき
索引