本书教你如何从基于时间的数据（如日志、客户分析和其他事件流）中获得即时、有意义的预测。在这本通俗易懂的书中，作者通过带有注释的Python代码进行全面演示，你将学习用于时间序列预测的统计和深度学习方法。通过跟随书中的实例锻炼你的技能，你很快就会准备好建立自己的准确、有洞察力的预测。

译者序
前言
致谢
第一部分 时间不等人
第1章 了解时间序列预测
1.1 时间序列简介
1.2 时间序列预测概览
1.2.1 设定目标
1.2.2 确定预测对象
1.2.3 设置预测范围
1.2.4 收集数据
1.2.5 开发预测模型
1.2.6 部署到生产中
1.2.7 监控
1.2.8 收集新的数据
1.3 时间序列预测与其他回归任务的差异
1.3.1 时间序列有顺序
1.3.2 时间序列有时没有特征
1.4 下一步
第2章 对未来的简单预测
2.1 定义基线模型
2.2 预测历史均值
2.2.1 基线实现准备
2.2.2 实现历史均值基线
2.3 预测最后一年的均值
2.4 使用最后已知数值进行预测
2.5 实现简单的季节性预测
2.6 下一步
第3章 来一次随机游走
3.1 随机游走过程
3.2 识别随机游走
3.2.1 平稳性
3.2.2 平稳性检验
3.2.3 自相关函数
3.2.4 把它们组合在一起
3.2.5 GOOGL是随机游走吗
3.3 预测随机游走
3.3.1 长期预测
……
第二部分 使用统计模型进行预测
第三部分 使用深度学习进行大规模预测
第四部分 大规模自动化预测
附录 安装说明