【1v6】时间序列分析——预测，异常检测，因果推断 – 百度网盘 – 下载
课程亮点：
当今世界中，时间序列数据无处不在，包括股票价格、气象数据、网站流量、医疗数据等等。对这些数据的分析和预测对许多领域都具有重要的实际意义。时间序列分析是统计学、经济学、工程学、生物学等许多学科的重要组成部分。时间序列分析的主要目的是建立模型来描述数据中包含的特定模式和趋势，以便预测未来的趋势和行为。例如，在股票市场中，交易员可以使用时间序列分析来预测股票价格的趋势，以便做出更明智的投资决策。在气象学中，气象学家可以使用时间序列分析来预测未来的气象条件，以便采取适当的应对措施。近年来，随着机器学习和深度学习技术
课程大纲：
课程简介
如今，时间序列数据无处不在，包括股票价格、气象数据、网站流量、医疗数据等。对这些数据的分析和预测对许多领域都具有重要的实际意义。
时间序列分析是统计学、经济学、工程学、生物学等许多学科的重要组成部分，它的主要目的是建立模型来描述数据中包含的特定模式和趋势，以便预测未来的趋势和行为。例如，在股票市场中，交易员可以使用时间序列分析来预测股票价格的趋势，以便做出更明智的投资决策。在气象学中，气象学家可以使用时间序列分析来预测未来的气象条件以便采取适当的应对措施。
近年来，随着机器学习和深度学习技术的发展，时间序列分析的方法也在不断地发展和改进。在这门课程中，我们将介绍如何使用机器学习和深度学习技术进行时间序列分析。我们将深入探讨时间序列预测、异常检测和因果推断等问题，并介绍图神经网络和transformer等技术在时间序列分析中的应用。
此外，我们还将介绍一些实际案例，例如股票价格预测、气象预测和医疗数据分析等以帮助同学更好地理解和探案时间序列分析的实际应用，
导师介绍
Dave 老师北美著名高校计算机机器学习方向博士，前国内&海外Top研究机构研究员。研究方向分为时间序列，时空数据挖掘，图神经网络，因果推断等。在机器学习和深度学习顶级会议包括NeurIPS，ICLR，CVPR等发表数十篇论文，并担NeurPS，ICMLKDD,PAMI等数十个顶级期刊会议审稿人。
