课题简介
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。
导师介绍
英国全奖博士，研究方向为时间序列跨学科研究，曾担任私募量化研究员。在CCF推荐会议以及Cell子刊发表多篇第一作者文章。担任AAAI、IJCAI、IJCNN和ICONIP的审稿人及技术委员会成员，并在多个CCF推荐会议上作oral presentation，专注于将时间作为数据驱动研究的核心要素进行深入探索。
Felix老师 · 英国全奖博士 ↗可选创新点
1.时序数据异常检测与漂移监测（金融交易异常、工业设备故障预警、患者危急状态监测）
2.跨学科时空预测（能源、气象、医疗EHR、交通、生态系统建模等领域）
3.多元时序预测与关联建模（多维数据驱动的金融市场、医疗诊断、交通流量分析等
4.在线与实时时序预测（智能电网、气象监测、工业自动化、患者健康监控等场景）
课程亮点
1.提供多种轻量级的时间序列预测idea，帮助学生理解和掌握时间序列预测的基本原理和方法。
2.提供一组基础的时间序列预测baseline，以及2-3个子方向的baseline，并形成实验手册，帮助学生理解和掌握时间序列预测的实际应用。
3.课程涵盖了时间序列预测的基本理论、方法和实践，学生将有机会深入理解和掌握时间序列预测的知识和技能。
4.课程手把手带领学生掌握如何寻找idea、完备实验设计、论文布局谋篇、以及各个部分写作技巧，培养学生掌握独立科研写作的能力。
5.提供丰富的课程资料，包括课程内容、课程作业、辅助资料等，帮助学生更好地理解和掌握课程内容。