实战项目:时间序列预估与多场景应用
Python涨薪研究所
共 667字,需浏览 2分钟
·
2022-06-06 16:30
时间序列预估问题介绍:
项目介绍:
随着大数据的发展,自然科学、社会科学、工业工程、金融科技等领域都积累了海量的数据,在这些海量的数据中,时间序列数据(按时间戳顺序依次到达的数据)是其中重要的组成部分
我们在很多场景下需要使用时序建模技术对时间序列数据进行挖掘和预测,本项目以时序数据场景为核心,讲解统计方法、机器学习方法、深度学习方法对时序数据建模的解决方案,并应用于行业营销预估场景案例中
核心知识:
时间序列建模问题与应用场景;时间序列预估解决方法,包括统计模型、加性模型、prophet、Time convolutional neural network (CNN)、Encoder (Encoder)、Fully convolutional neural network (FCNN)、Multi layer perceptron (MLP)、Residual network (ResNet)、Time Le-Net (TLeNet)、InceptionTime (Inception)、业务特征抽取、模型状态评估与优化、模型部署上线与实时预估
项目大纲:
1.时间序列预估问题介绍
2.使用Facebook的Prophet库进行时间序列预测
3.使用neural_prophet预测天气温度
4.多数据源业务场景下时间序列预估
5.CCF乘用车细分市场销量预测建模solution
6.CCF乘用车细分市场销量预测建模-top3
7.CCF乘用车细分市场销量预测建模-top1
添加老师学习完整项目:
评论