机器学习与时间序列跨学科预测
在物联网设备的快速普及和社交媒体蓬勃发展的推动下，时间序列数据已经深度融入我们的生活，并在金融、气象、电力、交通、医疗健康、生命科学等众多领域发挥着不可或缺的作用。本课程旨在帮助学员建立系统的时间序列跨学科知识框架与应用能力，通过全面探讨时间序列预测的核心技术与前沿发展，涵盖时间序列数据的基础理论、特征提取、问题转化、多变量与多步预测、深度学习模型、在线学习方法以及反事实因果推理。同时，课程将重点展示时间序列技术在跨学科领域的创新应用，例如生命科学中的复杂动态系统建模、社交网络中的用户行为与舆情监测，以及工程领域的实时监控与优化。此外，课程还将引入时序大语言模型及其在长序列预测中的实际应用，帮助学员掌握最新研究工具并开拓时间序列研究与实践的新视野。