Analisi delle serie temporali con Python: ricettario - Seconda edizione / Approfondimenti di esperti

Manuale di analisi delle serie temporali con Python – Seconda edizione
Pubblicato da Packt Publishing / 2026

-> Oltre 100 ricette pratiche per previsioni, rilevamento di anomalie, modellazione finanziaria, pianificazione della domanda e sistemi di serie temporali basati sull'intelligenza artificiale

Trasformare i dati grezzi in tempo reale in informazioni predittive.

## Ogni azienda opera nel rispetto degli orari.

- I prezzi delle azioni fluttuano ogni secondo.
- I sensori IoT generano milioni di eventi ogni minuto.
- Le reti energetiche monitorano costantemente i consumi.
- I rivenditori prevedono la domanda con mesi di anticipo.
- Le banche valutano il rischio sulla base di decenni di dati storici.
- I sistemi sanitari monitorano gli esiti dei pazienti nel tempo.

Dietro tutte queste applicazioni si cela una delle forme di dati più preziose e complesse:

## Dati di serie temporali

A differenza dei set di dati tradizionali, i dati delle serie temporali contengono dipendenze temporali, tendenze, stagionalità, cicli, volatilità, anomalie e modelli nascosti che, se analizzati correttamente, possono rivelare il futuro.

La sfida?

L'analisi delle serie temporali è spesso frammentata tra statistica, apprendimento automatico, ingegneria dei dati e intelligenza artificiale.

Ecco dove entra in gioco questo libro.

# Impara costruendo soluzioni reali

Time Series Analysis with Python Cookbook – Second Edition è una raccolta pratica di ricette che ti insegna come analizzare, visualizzare, prevedere, monitorare e implementare soluzioni per le serie temporali utilizzando il moderno ecosistema Python.

Che tu sia un data scientist, un ingegnere di machine learning, un analista quantitativo, un esperto di intelligenza artificiale, un analista aziendale, un ricercatore o uno sviluppatore di software, questo libro ti offre tecniche collaudate che puoi applicare immediatamente a problemi reali di previsione e analisi predittiva.

Niente teorie superflue.

Nessuna digressione accademica.

Soluzioni pratiche a problemi aziendali reali.

# Perché questo libro è importante

Le organizzazioni moderne dipendono sempre più dai processi decisionali predittivi.

Desiderano risposte a domande come:

* Di quanto inventario avremo bisogno il prossimo trimestre?
Quali macchine sono più soggette a guasti?
* Questa transazione è fraudolenta?
Quale sarà la domanda di energia domani?
* Come cambierà il comportamento dei clienti il mese prossimo?
* Quali sistemi presentano un comportamento insolito?

Le risposte sono nascoste nel tempo.

Le organizzazioni in grado di comprendere i dati delle serie temporali ottengono un significativo vantaggio competitivo.

Questo libro ti insegna come fare.

# Novità della seconda edizione

Il campo dell'analisi delle serie temporali si è evoluto in modo significativo.

Questa edizione include numerosi aggiornamenti che riguardano:

🤖 Apprendimento profondo per le serie temporali

Crea modelli di previsione avanzati utilizzando:

* Reti LSTM
* GRU Networks
Architetture Seq2Seq
* Reti neurali convoluzionali temporali (TCN)
* Modelli Transformer

Scopri come l'intelligenza artificiale moderna sta rivoluzionando le previsioni.

📈 Modelli di base per le serie temporali

Esplora gli approcci emergenti all'intelligenza artificiale, tra cui:

* Trasformatori di serie temporali
* Apprendimento auto-supervisionato
* Modelli di previsione pre-addestrati
* Tecniche di apprendimento per trasferimento

Comprendere la direzione futura dell'analisi predittiva.

⚡ Flussi di lavoro di previsione pronti per la produzione

Andiamo oltre i notebook e i prototipi.

Imparare:

* Distribuzione del modello
* Monitoraggio delle previsioni
* Rilevamento della deriva
* Pipeline MLOps
* Riqualificazione automatica

Realizzare sistemi di previsione che funzionino anche in ambiente di produzione.

# Cosa rende questo libro diverso

🍳 Apprendimento in stile libro di cucina

Ogni capitolo è strutturato attorno a ricette pratiche.

Ogni ricetta fornisce:

* Dichiarazione del problema
* Spiegazione tecnica
* Implementazione Python
* Suggerimenti per l'ottimizzazione
* Applicazioni nel mondo reale

Impara esattamente ciò di cui hai bisogno, quando ne hai bisogno.

⚙️ Ecosistema Python moderno

Padronanza degli strumenti standard del settore, tra cui:

### Analisi dei dati

* Panda
* NumPy
* Polari

Gestire in modo efficiente set di dati temporali di grandi dimensioni.

### Visualizzazione

Crea potenti insight visivi utilizzando:

* Matplotlib
* Plotly
* Seaborn

Scopri le tendenze nascoste nei tuoi dati.

### Modellazione statistica

Implementare approcci di previsione classici utilizzando:

* Statsmodels

Costruire:

* ARIMA
* SARIMA
* SARIMAX
* VAR
* Livellamento esponenziale
* Modelli Holt-Winters

Padroneggia le tecniche tuttora utilizzate in finanza, economia e gestione operativa.

### Apprendimento automatico

Applicare la modellazione predittiva con:

* Scikit-learn
* XGBoost
* LightGBM

Unisci l'ingegneria delle caratteristiche a potenti algoritmi predittivi.

### Apprendimento profondo

Sviluppa modelli avanzati utilizzando:

* PyTorch
* TensorFlow

Realizzare sistemi di previsione all'avanguardia.

# Cosa imparerai

Al termine di questo libro, sarai in grado di:

✅ Pulizia e preelaborazione di set di dati temporali

✅ Individua tendenze, stagionalità e modelli ciclici

✅ Creare modelli di previsione statistica

✅ Progetta funzionalità predittive basate sul tempo

✅ Implementare pipeline di previsione basate sull'apprendimento automatico

✅ Creare architetture di previsione basate sul deep learning

✅ Rileva anomalie e valori anomali

✅ Analizzare i dati finanziari e di mercato

✅ Crea dashboard di previsione

✅ Implementa sistemi di previsione pronti per la produzione

# Dentro il libro

## Parte I — Fondamenti delle serie temporali

Maestro:

* Strutture dati temporali
* Gestione di date e orari
* Conversione di frequenza
* Gestione dei dati mancanti
* Tecniche di ricampionamento

Costruisci solide basi.

## Parte II — Analisi esplorativa delle serie temporali

Impara a identificare:

* Tendenze
* Stagionalità
* Cicli
* Volatilità
* Rotture strutturali

Rivelare schemi temporali nascosti.

## Parte III — Previsione statistica

Costruisci modelli di previsione classici, tra cui:

### ARIMA

Modelli AUTOREGRESSIVI Integrati a Media Mobile per previsioni strutturate.

### SARIMA

Previsioni stagionali per modelli ricorrenti.

### Livellamento esponenziale

Previsioni affidabili per la pianificazione aziendale e operativa.

### Modelli di spazio degli stati

Modelli avanzati di previsione probabilistica.

## Parte IV — Previsione tramite apprendimento automatico

Progetta pipeline predittive utilizzando:

* Funzionalità di ritardo
* Finestrini scorrevoli
* Funzionalità basate sul tempo
* Strategie di convalida incrociata

Applicare le moderne tecniche di apprendimento automatico ai dati temporali.

## Parte V — Previsione tramite apprendimento profondo

Crea sofisticati sistemi di previsione neurale utilizzando:

* Reti LSTM
* GRU
* Meccanismi di attenzione
* Trasformatori temporali

Porta le prestazioni delle previsioni a nuovi livelli.

## Parte VI — Rilevamento delle anomalie

Rileva comportamenti insoliti attraverso:

* Metodi statistici
* Foreste di isolamento
* Autoencoder
* Tecniche basate sulla ricostruzione

Individuare guasti, frodi e rischi operativi prima che si aggravino.

## Parte VII — Serie temporali finanziarie

Analizzare:

* Mercati azionari
* Criptovalute
* Tassi di interesse
* Dinamica della volatilità
* Metriche di rischio

Sviluppare competenze di analisi quantitativa.

## Parte VIII — Sistemi di previsione della produzione

Distribuisci e monitora i modelli utilizzando:

* API
* Contenitori
* Infrastruttura cloud
* Monitoraggio del modello
* Riqualificazione automatica

Colmare il divario tra sperimentazione e impatto sul business.

# Argomenti tecnici trattati

Questo libro offre una trattazione pratica di:

* Previsione delle serie temporali
* ARIMA
* SARIMA
* SARIMAX
* Holt-Winters
* Livellamento esponenziale
* Modelli di spazio degli stati
* Ingegneria delle funzionalità
* Previsione tramite apprendimento automatico
* Potenziamento del gradiente
* XGBoost
* LightGBM
* Reti LSTM
* GRU
* Transformers
* Trasformatori a fusione temporale
* Previsione tramite apprendimento profondo
* Rilevamento delle anomalie
* Modellazione finanziaria
* Elaborazione del segnale
* Rilevamento della deriva
* Valutazione delle previsioni
* MLOps per serie temporali

# Progetti reali inclusi

Realizza soluzioni di livello professionale come:

Piattaforma di previsione della domanda al dettaglio

Prevedere il fabbisogno di inventario in più sedi.

### Motore di previsione del mercato finanziario

Analizzare le tendenze e la volatilità dei dati di mercato.

### Sistema di monitoraggio dei sensori IoT

Individuare le anomalie prima che si verifichino guasti alle apparecchiature.

### Soluzione per la previsione del consumo energetico

Ottimizzare l'allocazione e la pianificazione delle risorse.

### Sistema di previsione dell'attività dei clienti

Anticipa il comportamento degli utenti e migliora il loro coinvolgimento.

### Dashboard di previsione basata sull'intelligenza artificiale

Unisci analisi, previsioni e visualizzazione in un'unica piattaforma.

# Chi dovrebbe leggere questo libro?

### Data Scientists

Sviluppare competenze avanzate in materia di previsioni meteorologiche.

### Ingegneri di apprendimento automatico

Realizzare sistemi predittivi pronti per la produzione.

### Analisti quantitativi

Potenziare le capacità di modellazione finanziaria.

### Analisti di dati

Andiamo oltre l'analisi descrittiva.

### Professionisti dell'IA

Applicare moderne tecniche di apprendimento profondo ai problemi temporali.

### Ricercatori e studenti

Scopri metodi pratici per l'analisi delle serie temporali, utilizzati in diversi settori.

# Cosa otterrai

Dopo aver completato la lettura di questo libro, avrai acquisito:

* Solida conoscenza delle previsioni statistiche
* Competenze pratiche di previsione tramite apprendimento automatico
* Competenza nell'apprendimento profondo per dati temporali
* Esperienza con architetture di previsione della produzione
* Funzionalità avanzate di rilevamento delle anomalie
* Un kit di strumenti per risolvere problemi di analisi predittiva nel mondo reale

Ancor più importante, acquisirai la capacità di trasformare i dati storici in informazioni previsionali concrete.

# I dati più preziosi rispondono a una sola domanda:

## Cosa succede dopo?

Oggi le organizzazioni non competono più esclusivamente sulla raccolta dei dati.

Competono sulla previsione.

La capacità di anticipare la domanda dei clienti, identificare i rischi, prevedere i risultati e prendere decisioni proattive è diventata un vantaggio competitivo determinante.

I professionisti che padroneggiano l'analisi delle serie temporali sono coloro che aiutano le aziende a prevedere gli sviluppi futuri.

## Analisi delle serie temporali con Python - Guida pratica - Seconda edizione

### Previsioni più intelligenti. Rilevamento anticipato. Previsione del futuro.

Padroneggia l'intero spettro dell'analisi moderna delle serie temporali, da ARIMA e previsioni statistiche a Transformer, rilevamento delle anomalie e sistemi di intelligenza artificiale per la produzione.

Più di 100 ricette pratiche. Set di dati reali. Soluzioni Python concrete. Una guida indispensabile all'intelligenza predittiva. 📈🐍🚀⏳

===========
Nota:
A causa delle dimensioni del file, all'acquirente verrà fornito un link al servizio di archiviazione cloud legittimo del venditore per scaricare l'ebook acquistato. Si prega di procedere solo se si accetta. Non saranno accettati rimborsi.