한빛미디어

시계열이라는 말은 사실 어렵게느껴질 수 있는데 영어로 하면 Time Series로, 한자세대가 아닌 나에겐 영어가 좀 더 친숙하게 다가온다. 시계열 데이터란 쉽게 말해 어떤 데이터가 시간의 영향을 받고 있다는 것인데, 미래를 예측할 때 과거의 흐름이 영향을 주어, 과거의 흐름을 미래 예측에 반영해야하는 데이터라고 말할 수 있다. 은근 이런 데이터는 우리 일상에 많이 존재하는데 가장 쉬운 예로는 날씨를 들 수 있다. 코로나로 핫했던 주식시장도 시계열 데이터라고 볼 수 있으며, 나의 경우엔 주니어 분석가로 시계열 데이터를 다루게 되어 이 책에서 많은 도움을 얻을 수 있었다. 왜냐하면 시계열 데이터에서 하나의 주기를 어떻게 설정할 것인가, 결측치는 어떻게 다루어야 하나 부터 이 책이 다루고 있기 때문이었다. EDA라고 불리우는 데이터에 대한 탐색부분에서도 시계열 데이터에서 중요한 개념들(정상성, 자체상관 등)도 자세하게 설명이 되어있어 좋았다. 또한 보충자료 부분에서 논문 제목 뿐만아니라 논문을 읽을 수 있는 URL까지 적혀있어서 굉장히 친절하다는 느낌을 받았다. 가장 좋았던 부분은 시계열 데이터는 사실 'AR'이 들어가는 전통적인 통계적 방법이 있는데 이 부분들과 최근에 뜨고 있는 머신러닝, 딥러닝 모델, 페이스북의 Prophet, 트위터의 이상감지 패키지인 AnomalyDetection까지 다양한 모델을 소개하고 있어서 참 좋았다. 이론과 더불어 다양한 실습 코드가 있어서 시계열데이터에 대해 입문하는 사람들에게도 큰 도움이 될 거 같다. ​