掌握使用 Python 进行时间序列分析和预测 2026
时间序列分析与预测：从基础到深度学习
学习内容：
* 了解时间序列数据的基本原理及其在各行业预测中的意义
* 区分指数平滑、ARIMA、Prophet 等模型，掌握适用场景
* 应用指数平滑法和 Holt-Winters 方法处理季节性与趋势数据
* 使用 SARIMA/SARIMAX 模型结合外部变量提升预测能力
* 通过 TFT、N-BEATS 等先进技术处理复杂时间序列数据
* 调整参数并使用集成方法优化模型准确性
* 使用 MAE/RMSE/MAPE 等指标评估模型性能
* 编写自动化 Python 脚本实现从数据预处理到模型部署的全流程
* 使用 LSTM/RNN 深度学习模型捕捉长期依赖关系
* 应用 Amazon Chronos 等生成式 AI 技术开发高级预测方案
课程内容主题：
* 时间序列分析基础
* 指数平滑与 Holt-Winters 方法
* ARIMA/SARIMA/SARIMAX 模型
* Facebook Prophet 模型
* Temporal Fusion Transformers (TFT)
* N-BEATS 神经网络模型
* 生成式 AI（Amazon Chronos）
* Google TSMixer 与 Amazon AutoGluon
* 间断时间序列与分类预测
课程要求：
* 掌握基础统计学知识（如线性回归、p 值）
* 熟悉 Python 编程语言基础
课程详细描述：
* 课程涵盖时间序列分析的完整流程，从数据探索到模型部署
* 通过真实案例（如客户投诉预测、每日收入预测、共享单车需求预测）深化理解
* 提供 36.5 小时高清视频课程，包含 32 个代码练习与 28 篇技术文章
* 重点讲解 ARIMA、Prophet、TFT、N-BEATS 等主流模型的原理与实践
* 教授使用 GenAI（如 Amazon Chronos）和 Google TSMixer 等前沿技术进行预测
* 包含 10 个实战项目（如 Air Miles 预测、Bike Sharing 预测）提升工程能力
* 提供 AI 助手辅助学习，实时解答模型调参与数据处理问题
* 课程持续更新至 2026 年，新增间断时间序列分析、分类预测等模块
* 适合商业分析师、数据科学家、财务分析师、运营经理等需要预测能力的从业者
