上周五的推文學(xué)姐給大家推薦了16本有關(guān)于數(shù)據(jù)科學(xué)的書籍，大家都說太有用了紛紛收藏，而且學(xué)姐還給大家準(zhǔn)備了兩驚喜，抽獎和領(lǐng)書，抽獎已經(jīng)抽完了，但是書還可以領(lǐng)！錯過的可以現(xiàn)在去領(lǐng)。

數(shù)據(jù)科學(xué)是什么？

數(shù)據(jù)科學(xué)（data science）是一門利用數(shù)據(jù)學(xué)習(xí)知識的學(xué)科，其目標(biāo)是通過從數(shù)據(jù)中提取出有價值的部分來生產(chǎn)數(shù)據(jù)產(chǎn)品。它結(jié)合了諸多領(lǐng)域中的理論和技術(shù)，包括應(yīng)用數(shù)學(xué)、統(tǒng)計、模式識別、機器學(xué)習(xí)、數(shù)據(jù)可視化、數(shù)據(jù)倉庫以及高性能計算。

看到這里有剛?cè)腴T的萌新會問了：我學(xué)了數(shù)據(jù)科學(xué)能干啥？別著急，這就給你說能干啥！

可以做數(shù)據(jù)科學(xué)家，數(shù)據(jù)科學(xué)家橫跨業(yè)務(wù)和技術(shù)兩個領(lǐng)域，通過深入的數(shù)據(jù)分析實現(xiàn)特定結(jié)果。在機器學(xué)習(xí) (ML) 領(lǐng)域中，數(shù)據(jù)科學(xué)家通過數(shù)據(jù)設(shè)計和構(gòu)建模型、創(chuàng)建和處理算法，并訓(xùn)練模型以預(yù)測和實現(xiàn)業(yè)務(wù)目標(biāo)。

聽起來感覺很大很虛？其實不會的，我們知道了底層邏輯，然后再找細(xì)分領(lǐng)域的工作就很明確了鴨！一點都不畫大餅！

能找什么工作？

數(shù)據(jù)科學(xué)家的目標(biāo)是確定所有數(shù)據(jù)的含義，并針對企業(yè)提出一些具有建設(shè)性的建議。

這些建議，一半以上都是基于歷史的數(shù)據(jù)對未來的預(yù)測，包括供應(yīng)鏈需求的預(yù)測、金融投資現(xiàn)金流的預(yù)測、交通人流的預(yù)測、銷量的預(yù)測……做出這些預(yù)測的方法，被稱為時間序列預(yù)測。

我們來看看現(xiàn)在的企業(yè)招聘需求

看了上面的招聘需求是不是覺得不虛了？現(xiàn)在市面上對這方面的需求還是挺大的，而且沒有那么卷（狗頭.jpg）！

時間序列怎么學(xué)？

時間序列預(yù)測與具體業(yè)務(wù)場景的結(jié)合非常緊密。

預(yù)測對象、顆粒度、前置期、準(zhǔn)確性指標(biāo)等對于構(gòu)建模型最關(guān)鍵的因素往往并非一目了然，只有通過對不同場景的需求進行深入分析才能找到合適解決方案。業(yè)務(wù)理解能力和算法模型理論，缺一不可。

算法模型理論方面，市面上還沒有成體系的教材，所以這里就需要大家學(xué)習(xí)論文、復(fù)現(xiàn)論文來了解時間序列預(yù)測算法知識啦！

怎么越學(xué)越多？?。?！畢竟學(xué)習(xí)本來就是先做加法再做減法的過程嘛╥﹏╥...嚶~

這里學(xué)姐從成千上百份論文里面給大家篩選出來了20篇時序預(yù)測的論文！

教材和綜述

• Forecasting：principles and practice, 3rd edition, 2021

• Time-series forecasting with deep learning：a survey， 2021

機器學(xué)習(xí)算法用于時序預(yù)測

• Forecasting at Scale， 2017

• Fast and scalable Gaussian process modeling with applications to astronomical time series, 2017

RNN用于時序預(yù)測

• Deep and Confident Prediction for Time Series at Uber， 2016

• Deep AR：Probabilistic Forecasting with Autoregressive Recurrent Networks， 2017

CNN用于時序預(yù)測

• A Multi-Horizon Quantile Recurrent Forecaster， 2017

• Probabilistic forecasting with temporal convolutional neural network， 2020

不光有這些，還有GNN用于時序預(yù)測、Transformer用于時序預(yù)測、傳統(tǒng)統(tǒng)計學(xué)與深度學(xué)習(xí)結(jié)合、多層級時序預(yù)測、時序領(lǐng)域的數(shù)據(jù)增強方法、具體領(lǐng)域的時序預(yù)測案例等方面的論文。

限于學(xué)姐不想打字了，就不展開了。先別急著罵懶，我看下面！

學(xué)姐已經(jīng)把論文打包好了！大家掃描下方二維碼回復(fù)“時序論文”獲取即可！

（這是學(xué)姐的小助理，萌萌噠的小學(xué)妹）

不管你是在學(xué)習(xí)的哪個階段

學(xué)姐都希望自己的經(jīng)驗和知識能夠幫到你！

如果有難題就來找學(xué)姐解惑吧！