Marco Peixeiro（著者）：Marco Peixeiro (マルコ・ ペイシェイロ) ：カナダ マギル大学（McGill University）卒。
カナダ最大手の銀行の1つNational Bank of Canadaでシニアデータサイエンティストを務めている。独学のサイエンティストであるMarco は、この業界で仕事を見つけて働くために必要な知識が何かをよく理解している。実践から学ぶことを信条とし、Medium のブログ、freeCodeCamp でのデータサイエンスの短期集中講座、Udemy の講座でも同じアプローチを取っている。本書のテーマを扱ったUdemyのオンライン講座　https://www.udemy.com/course/applied-time-series-analysis-in-python/　が好評で、その内容が書籍化された。Marco のデータサイエンスに関する記事はMedium でさらにチェックできる（https://medium.com/@marcopeixeiro）。ブログでも、最初に理論を提示し、次に実践的なプロジェクトに取り組むという同じアプローチを取っている。
株式会社クイープ（翻訳）：株式会社クイープ ：1995 年、米国サンフランシスコに設立。コンピュータシステムの開発、ローカライズ、コンサルティングを手がけている。2001年に日本法人を設立。主な訳書に『The Kaggle Workbook』『The Kaggle Book』『実践XAI』（インプレス）、『なっとく！機械学習』『なっとく！関数型プログラミング』『実践マイクロサービスAPI』（翔泳社）、『Python によるディープラーニング』（マイナビ出版）などがある。 http://www.quipu.co.jp

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