IJCAI2021教程:大数据时间序列预测的现代方法与深度学习应用
版权申诉
![](https://csdnimg.cn/release/wenkucmsfe/public/img/starY.0159711c.png)
现代大时间序列预测是信息技术领域的一个重要课题,尤其是在数据驱动的时代。这份IJCAI2021年的教程——《现代大时间序列预测》,由来自AWS AI Labs的研究团队撰写,包括Jan Gasthaus、Tim Januschowski和Yuyang Wang等专家,深入探讨了这一领域的最新进展。教程涵盖了大规模时间序列预测中的关键问题,如如何构建有效且高效的学习模型来处理大型和多样化的数据源,以及如何在观测数据有限时利用相关时间序列进行预测。
经典的时间序列分析方法,如局部模型和基于单个序列的学习,已经被深度学习方法所超越。教程特别强调了深度学习在预测中的应用,例如Amazon Forecast、Amazon DevOps Guru、Amazon Lookout for Metrics以及Amazon SageMaker Deep AR等AWS服务中的实践,这些工具和框架如GluonTS展示了在处理大规模数据时的强大能力。作者们分享了他们的研究成果,如Gasthaus等人在Amazon的贡献,展示了现代预测技术如何结合深度学习算法来提升准确性和效率。
教程不仅介绍了理论概念,还注重实操和问题解决。它通过案例研究的形式,帮助读者理解如何在实际业务场景中应用这些技术,比如零售业的需求预测、云计算的容量规划、仓库和工厂的劳动调度等。教程还包括一个互动式的Jupyter教程,以便学习者自行探索和实践预测技术。
在这个教程中,学习者将面临一系列挑战,如数据预处理、特征工程、模型选择、超参数调优以及预测性能评估。作者们强调了在大数据时代,如何构建能够扩展和适应不断变化的数据环境的预测系统,以及如何在实际操作中平衡模型的复杂度与解释性。
《现代大时间序列预测》是一份实用的指南,为那些想要理解和应用当前最先进的时间序列预测技术的人提供了宝贵的资源。无论是研究人员、数据科学家还是工程师,都可以从中获取灵感,提升自己的预测能力,推动商业流程的自动化和优化。
2020-01-08 上传
2023-05-19 上传
2023-04-01 上传
2023-04-29 上传
2023-04-27 上传
2023-08-06 上传
2023-02-06 上传
2023-03-29 上传
2023-02-06 上传
2023-05-05 上传
![](https://profile-avatar.csdnimg.cn/ff49200251f34d75abf2bca7e6782a64_weixin_43909715.jpg!1)
努力+努力=幸运
- 粉丝: 2
- 资源: 136
最新资源
- 多模态联合稀疏表示在视频目标跟踪中的应用
- Kubernetes资源管控与Gardener开源软件实践解析
- MPI集群监控与负载平衡策略
- 自动化PHP安全漏洞检测:静态代码分析与数据流方法
- 青苔数据CEO程永:技术生态与阿里云开放创新
- 制造业转型: HyperX引领企业上云策略
- 赵维五分享:航空工业电子采购上云实战与运维策略
- 单片机控制的LED点阵显示屏设计及其实现
- 驻云科技李俊涛:AI驱动的云上服务新趋势与挑战
- 6LoWPAN物联网边界路由器:设计与实现
- 猩便利工程师仲小玉:Terraform云资源管理最佳实践与团队协作
- 类差分度改进的互信息特征选择提升文本分类性能
- VERITAS与阿里云合作的混合云转型与数据保护方案
- 云制造中的生产线仿真模型设计与虚拟化研究
- 汪洋在PostgresChina2018分享:高可用 PostgreSQL 工具与架构设计
- 2018 PostgresChina大会:阿里云时空引擎Ganos在PostgreSQL中的创新应用与多模型存储