【KDD2019|讲座推荐】大时间序列预测的理论与实践：Forecasting Big Time Series: Theory and Practice

讲座题目

大时间序列预测的理论与实践：Forecasting Big Time Series: Theory and Practice

讲座简介

时间序列预测是业务流程自动化和优化的一个关键组成部分：在零售业，根据对不同地区未来需求的预测来决定要订购哪些产品以及在哪里存储这些产品；在云计算中，服务和基础设施组件的估计未来使用量指导容量规划；仓库和工厂的劳动力调度需要对未来的工作量进行预测。近年来，预测技术和应用的范式发生了变化，从基于计算机辅助的模型和假设到数据驱动和全自动化。这种转变可以归因于大量、丰富和多样的时间序列数据源的可用性，并导致一系列需要解决的挑战，例如：我们如何建立统计模型，以便有效地学习从大量和多样的数据源进行预测？在观测有限的情况下，我们如何利用“相似”时间序列的统计能力来改进预测？对于构建能够处理大量数据的预测系统有什么意义？ 本教程的目标是提供解决大规模预测问题的最重要方法和工具的简明直观概述。我们回顾了三个相关领域的研究现状：（1）时间序列的经典建模，（2）包括张量分析和深度学习的现代预测方法。此外，我们还讨论了建立大规模预测系统的实际方面，包括数据集成、特征生成、回溯测试框架、误差跟踪和分析等。

讲座嘉宾

Christos Faloutsos 现任职务于卡内基梅隆大学 (Carnegie Mellon University)电子和计算机工程教授，研究领域：图和流的数据挖掘，分形、自相似与幂律，视频、生物和医学数据库的索引和数据挖掘，数据库性能评估（数据放置、工作负载特征）。