本書は、データサイエンティストの方がPythonによる時系列予測をマスターすることを目的として書かれています。数式を必要最小限に抑え、ステップバイステップで丁寧に説明していきます。本書は4つの部と21の章で構成されています。 第1部は、時系列予測の入門編です。時系列データを定義し、この種のデータを操作するときの特異性（データをシャッフルすることはできないなど）を明らかにします。次にベースラインモデルを組み立てる手順を追い、予測が意味をなさない状況を調べます。 以降の部・章では、予測テクニックを詳しく取り上げ、統計学的モデルや機械学習モデル・ディープラーニングモデルまで、モデルの複雑度を徐々に上げていきます。 第2部では、統計学的モデルを使った予測に焦点を合わせます。 第3部では、ディープラーニングを使った予測を取り上げます。データセットが高次元の非常に大きなものになり、非線形関係が存在するとしたら、予測に最適なのはディープラーニングです。 第4部では、最後に、予測プロセスを大幅に高速化できる自動予測ライブラリProphetを紹介します。自動予測ライブラリはベースラインモデルの役割を果たすことがよくあります。 本書では、現実のさまざまなシナリオに基づく実践的かつ実用的なアプローチに重点を置いています。現実のデータは整理されておらず欠損していることもあるため、そうした課題に立ち向かうための方法も解説します。 各章にはスキルに磨きをかけるための実習が含まれていて、解答は本書のGitHubリポジトリにあります。実践スキルを身につけるためじっくり取り組んでみてください。 上を目指して、時系列のエキスパートになるための好奇心と意欲が湧いてくることを願っています。 Manning Publications「Time Series Forecasting in Python」の翻訳企画 第1部　歳月人を待たず 第1章　時系列予測 第2章　単純な未来予測 第3章　ランダムウォーク 第2部　統計学的モデルによる予測 第4章　移動平均プロセスのモデル化 第5章　自己回帰プロセスのモデル化 第6章　複雑な時系列のモデル化 第7章　非定常時系列の予測 第8章　季節性の考慮 第9章　モデルへの外部変数の追加 第10章　複数の時系列の予測 第11章　キャップストーン：オーストラリアの抗糖尿病薬処方数の予測 第3部　ディープラーニングによる大規模な予測 第12章　時系列予測のためのディープラーニング 第13章　ディープラーニングのためのデータウィンドウとベースラインの作成 第14章　ディープラーニングの手ほどき 第15章　LSTMで過去を記憶する 第16章　CNNを使った時系列のフィルタリング 第17章　予測を使ってさらに予測を行う 第18章　キャップストーン：家庭の電力消費量の予測 第4部　大規模な予測の自動化 第19章　Prophetを使った時系列予測の自動化 第20章　キャップストーン：カナダでのステーキ肉の月間平均小売価格の予測 第21章　さらなる高みを目指して 付録　インストール手順