本课程旨在介绍人工智能（AI）驱动的大数据预测方法，重点关注现代时间序列预测技术及其在大规模数据分析中的应用。学员将学习最新人工智能驱动的预测的范式演变，并掌握如何利用 AI 进行高效的时间序列建模与预测。
选修基础
本课程零基础入门，欢迎各个层级学员选修！
课程目标
本课程旨在帮助学员掌握 AI 驱动的大数据预测方法，培养大规模时间序列建模与分析能力。通过理论学习与实践训练，学生将具备以下核心能力：
- 理解现代时间序列预测思路和方法
- 熟悉基于 Transformer 的时间序列预测技术和应用场景
- 学习利用大语言模型（LLMs）进行时间序列预测
- 掌握基础模型（Foundation Models）在时间序列预测中的应用
- 提升数据处理与建模实践能力，具备从数据预处理、特征工程到模型训练与优化的完整实践能力
- 掌握使用 Python 进行时间序列预测的技巧
- 培养批判性思维和创新能力。能够分析不同预测方法的适用性，并根据数据特点选择合适的建模策略，具备独立设计并实施时间序列预测实验的能力
章节内容
点击这里从北大网盘下载 ，输入提取码： fwai
| 章节 | 主要内容 | 进阶学习 |
|---|---|---|
| 第一讲：人工智能驱动的预测 | 1. 什么是预测？ 2. 人工智能驱动的预测 3. 案例实践 | Jupyter Notebook | A. 快速上手AI计算平台 B. Linux Basics | Jupyter Notebook |
| 第二讲：大语言模型（LLMs）与时间序列预测 | 1. 为什么大语言模型可以做时间序列预测？ 2. 现代预测流程与预测评价 3. 案例实践 | Jupyter Notebook | A. 零基础上手Python | Jupyter Notebook |
| 第三讲：TimeGPT 进行 AI 预测 | ||
| 第四讲：现代企业预测平台 | ||
| 第五讲：基于 Transformer 的时间序列预测 | ||
| 第六讲：时间序列预测中的基础模型（Foundation Models） | ||
| 第七讲：特殊数据的预测 | ||
| 第八讲：现代金融预测 |