【KDD2019】时间序列预测:理论与实践教程,300多页PPT带你了解领域最新动态

2019 年 8 月 7 日 专知

【导读】数据挖掘顶会近日在阿拉斯加的安克雷奇举行,吸引了全世界大量数据科学家的关注,本文为大家编译了最新的时间序列预测教程,详细介绍了各种时间信号预测的理论与实践操作。



教程简介

01

时间序列预测是业务流程自动化的关键因素:比如说,在零售行业中,需要考虑不同地区的未来需求前提下,决定订购哪些产品以及在哪里存储;在云计算中,对未来需求量的估计,决定了系统的容量规划;仓库和工厂中的劳动力调度分配过程,更是依赖于未来工作量的预测。


近年来,随着技术的发展,时间序列预测任务和应用发生了巨大转变,从基于假设规则的模型,到数据驱动的模型。这种转变可归因于,可用的时间序列数据源越来越多,同时带来了一系列的挑战,例如:如何建立统计模型,以更加有效地预测不同类型的数据源?在有限观测的情况下,我们如何利用“相似”时间序列来提高预测效果?构建可处理大量数据的预测系统又有何意义?


本教程的目的是,简要直观地概述可用于解决大规模预测问题的重要方法和工具。我们回顾了三个相关领域的最新技术:(1)经典的时间序列模型,(2)张量分析,(3)深度学习预测。此外,我们讨论了现实中,构建大规模预测系统的关键任务,包括数据集成,特征生成,回测框架,错误跟踪和分析等。本教程重点是提供方法和实际问题的直观概述,我们将通过案例研究和Jupyter进行说明。


原文链接:

https://lovvge.github.io/Forecasting-Tutorial-KDD-2019/

请关注专知公众号(点击上方蓝色专知关注

  • 后台回复“KDDFBTS” 就可以获取《时间序列预测:理论与实践教程》完整版PPT载链接~


作者简介

02

Christos Faloutsos

Christos Faloutsos是卡内基梅隆大学的教授。他获得了国家科学基金会(1989年)颁发的总统青年研究员奖,2006年ICDM研究贡献奖,SIGKDD创新奖(2010年),20项“最佳论文”奖(包括两项时间奖项考试), 和四个教学奖。

Valentin Flunkert 

Valentin Flunkert是亚马逊AWS AI实验室的高级机器学习科学家,他在那里开发了新的基于深度学习的预测方法,并将其应用于解决一系列业务问题。

Jan Gasthaus 

Jan Gasthaus是亚马逊AI实验室的高级机器学习科学家,主要从事时间序列预测和大规模概率机器学习。

Tim Januschowski

Tim Januschowski是亚马逊AI实验室在机器学习方面的Manger。他一直从事预测工作。在亚马逊,他为各种预测问题制作了端到端解决方案,从需求预测到服务器容量预测等。

Yuyang(Bernie)Wang

Yuyang(Bernie)Wang是亚马逊AI实验室的高级机器学习科学家,主要从事大规模概率机器学习及其在预测中的应用。

报告内容简介

03

更多精彩内容,请下载观看


-END-

专 · 知

专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎登录www.zhuanzhi.ai,注册登录专知,获取更多AI知识资料!

欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程视频资料和与专家交流咨询

请加专知小助手微信(扫一扫如下二维码添加),加入专知人工智能主题群,咨询技术商务合作~

专知《深度学习:算法到实战》课程全部完成!560+位同学在学习,现在报名,限时优惠!网易云课堂人工智能畅销榜首位!

点击“阅读原文”,了解报名专知《深度学习:算法到实战》课程

登录查看更多
59

相关内容

一份循环神经网络RNNs简明教程,37页ppt
专知会员服务
166+阅读 · 2020年5月6日
深度强化学习策略梯度教程,53页ppt
专知会员服务
175+阅读 · 2020年2月1日
【NeurIPS2019报告推荐】公平与表示学习—UIUC Sanmi Koyejo教授
清华大学张敏老师,个性化推荐的基础与趋势,145页ppt
专知会员服务
85+阅读 · 2019年11月27日
【EMNLP2019教程】端到端学习对话人工智能,附237页PPT下载
专知会员服务
67+阅读 · 2019年11月25日
ICML2019《元学习》教程与必读论文列表
专知
41+阅读 · 2019年6月16日
115页Slides带你领略深度生成模型全貌(附PPT)
数据派THU
10+阅读 · 2018年7月31日
干货 | KDD2017现场:中国论坛直击(讲座完整PPT)
大数据文摘
3+阅读 · 2017年8月16日
SlowFast Networks for Video Recognition
Arxiv
4+阅读 · 2019年4月18日
Adaptive Neural Trees
Arxiv
4+阅读 · 2018年12月10日
Arxiv
135+阅读 · 2018年10月8日
Arxiv
22+阅读 · 2018年8月3日
VIP会员
Top
微信扫码咨询专知VIP会员