時間序列
含有「時間序列」共 8 篇內容
全部內容
發佈日期由新至舊
用20個重點帶你快速認識時間序列分析。內容涵蓋趨勢、季節性、殘差等基本組成，以及「平穩性」為何影響預測效果。也簡介常見預測方法，如 ARIMA、季節模型與深度學習。讀完能快速掌握時間序列的概念與預測分析的核心思維！
在現實生活中，許多資料並非靜止的，它們會隨著時間不斷變化，形成了一種特殊的資料型態，這就是時間序列資料。時間序列數據廣泛存在於各種領域，如金融市場的股票價格波動、氣候監測的溫度變化、製造業的機器故障檢測，以及網站流量的每日訪問量等。這些資料的最大特點在於：當前的觀測值與過去的值密切相關，未來的趨勢也
這篇文章提供一套簡單易懂的財務模型預測指南，從基本概念到實際應用，幫助讀者掌握預測企業未來財務表現的技巧，並輔助投資決策。文章涵蓋了財務模型的定義、建立步驟、常用方法、注意事項及在投資決策中的應用等方面，並強調財務模型並非萬能，需要結合其他因素綜合考量。
本文要探討AI的任務與實戰場景。AI技術已深入生活各層面，從違約預測到都市交通管理。AI任務主要有三類：數值型資料處理、自然語言處理（NLP）和電腦影像辨識。時間序列資料和強化學習方法（如AlphaGo）也引起廣泛關注。AI演算法和方法因應不同學派和技術發展而多樣化，了解這些基礎有助選擇適合研究方向
當事人在諮詢法律問題時，常使用團塊式陳述，情緒化地講述大量事實，這雖是真實經歷，但不利於律師快速掌握重點。過多的情緒反應可能使律師產生不想深入了解的心態，增加案件的風險。建議當事人使用時間序列方式整理事實，例如列出具體的發生日期和事件，有助於事實的清晰呈現，且更容易得到律師的正視與肯定。
去年錄製好的線上課程，今年終於上架了！
非常慚愧，在方格子平台還沒寫幾篇內容，就要先宣傳自己的課程。不過現在67折優惠，宣傳還是有必要的吧，哈！我就維持喜寫論述的習性，介紹一下這門課程，以及我在這個領域──金融商品價格預測──所看見的狀況。
好奇的可以當補充課外知識，有興趣的可以看文末的課程連結。
最近為了系統性複習有關時間序列的知識，在Udemy上了一堂評價不錯的課程Python for Time Series Data Analysis。整體來說，我覺得課程是值得推薦初學者的。但因為課程對於很多時間序列的模型只是淺淺帶過，如果對時間序列已經有了解的人會比較像是浪費錢。
以前從沒寫過一份正式的履歷與自傳，對這種書面資料只停留在研究所甄試以及實習的概念。之後多了替代役以及澳洲打工的兩段經歷，覺得應該要先將它們納進去履歷中才是，所以第一版的履歷跟自傳，很純粹地將自己過去的經歷，用時間序列的方式全部整理、呈現出來。自傳內容出來後，朋友們看過的反應，給予一面倒的差評...。
