哈喽，大家好~
和壮哥两个人一起打磨的时间序列课程，终于是出炉了，经过了将近5个多月的反反复复修正，从基础到实战，把核心点都给大家梳理好了~
直接上目录：
很多同学刚接触时间序列时，心里大概都有过这个感觉：这不就是一列按时间排好的数据吗？为什么教程里一会儿趋势、一会儿季节性，一会儿又是 ARIMA、LSTM、Transformer，越看越像进了迷宫。
更扎心的是，跟着教程跑代码的时候好像还行，图也画出来了，模型也训练完了；可一换成自己的数据，马上就不知道先做什么。是先补缺失值？先画图？先差分？还是直接上模型？
这套时间序列课程，就是想陪大家把这条路一步一步走清楚。
我们会怎么学
一开始，我们不会急着讲复杂模型，而是先把问题问明白：我们到底要预测什么？预测未来一天，还是未来一周？数据能不能随便打乱？为什么时间序列不能像普通回归那样随机切分训练集？
接着，我们会一起看数据。折线图、滚动均值、趋势、季节性、自相关，这些名字听起来有点“专业”，但本质上都是在回答一个问题：这条曲线到底有没有规律。
然后再进入预处理。缺失值怎么补，异常点怎么判断，什么时候要差分，什么时候要标准化，怎么把一条序列变成模型能学习的监督学习样本。这里很容易踩坑，所以课程会提醒大家：别让未来信息悄悄混进训练数据。
后面，我们会学习 Baseline、Moving Average、AR、MA、ARIMA、SARIMA、Holt-Winters 等经典模型。你不需要一上来就背公式，我们会先搞懂它们分别适合解决什么问题。
再往后，才进入特征工程、多变量建模和深度学习模型，包括 LSTM、GRU、CNN、Attention 与 Transformer。
最后，我们会聊到真实项目里的问题：模型上线后数据变了怎么办？预测不稳定怎么办？什么时候该重训？怎么做监控和回滚？
适合哪些同学
如果你有一点 Python 基础，会用 pandas 处理数据，但时间序列还没有系统学过，这套课会非常的适合你。
它不是让大家死记模型名，而是帮你建立一条清楚的学习路线：先看懂数据，再建立基准，再选择模型，再评估结果，最后知道怎么把预测结果放到项目里。
学完之后，我们希望你再看到销量、流量、库存、设备指标这类数据时，不会只想着“套哪个模型”，而是能稳住节奏，知道第一步该看什么，第二步该处理什么，哪里需要特别小心。
最初我们定的是199，后来和大家商量，开始给大家一个非常优惠的价格：49，永久有效~
扫码加入：
答疑和笔记
在学习过程中，最重要的两方面痛点：
-
答疑 -
笔记
答疑的话，大家可以随时提问，我会在平台给大家整理好，让你清晰、快速搞懂。
笔记，可以在平台直接记笔记，甚至可以在课程中进行记笔记，一套流程，非常高效完成~
快来加入吧~