AI大模型应用第2期-新|21-时间序列模型

这门课的主题是时间序列预测，落点在 AI 大模型应用训练营的第二期内容里。它要解决的工作场景很明确：手里有一批按时间排列的业务数据，需要预测接下来会怎么走。典型的就是资金流入流出预测这类问题——账户余额、用户行为、资金变动在时间轴上形成的序列，怎么建模、怎么验证、怎么给出可用的预测结果。

先看清它适合谁，别急着打开

如果你完全没有数据处理基础，直接进来会比较吃力。课程默认你能看懂表格数据、会用 Python 做基本的数据读取和清洗，对机器学习里训练集、验证集的划分有概念。有这些底子，再来看时间序列特有的处理方式，接受起来会顺很多。反过来，如果你已经在做数据分析或算法相关的工作，只是没系统处理过带时间顺序的数据，那这门课的针对性就比较强。它不是在讲通用机器学习入门，而是聚焦在时间依赖这一块，所以更适合已经跨过基础门槛、想补上时序这块短板的人。

建议的观看顺序和练习方式

先看时间序列分析那份讲义，把平稳性、自相关、滑动窗口这些概念过一遍，这是后面所有操作的共同语言。概念没理顺就去看代码，容易变成照抄。接着进入案例部分，围绕资金流入流出预测这条主线走。资料里给了多份数据表，包括用户余额、用户画像、拆借利率、日份额利率等，这些是同一业务场景下的不同侧面。练习时不要只跑通一遍就结束，建议自己动手做几件事：把时间字段处理成模型能用的格式，划分训练和验证区间时注意不能打乱时间顺序，对比不同预测方法在同一段数据上的误差。做完这些，再看代码里是怎么组织的，理解会深一层。

学完之后能独立做什么

比较实际的目标是：拿到一份带时间戳的业务数据，你能独立完成从清洗、特征构造到建模预测的完整流程，并且知道怎么评估结果好坏、怎么排查预测偏差。这个能力在金融、运营、供应链等方向都有直接对应的岗位需求。课程里提到的竞赛和企业级项目，可以当作检验自己是否真的掌握的标尺——如果离开示例代码，你还能把流程复现出来，说明学到手了。如果只是看懂了讲解，那还停留在了解层面，需要再找一份自己的数据练一遍。资料里的数据表就是现成的练习材料，建议至少完整走通两遍，第一遍跟着做，第二遍独立做。