剧集
用于预测非固定时序的理论和算法
替换为 Vitaly Kuznetsov, Mehryar Mohri
时序出现在各种关键实际应用程序中，例如信号处理，包括音频和视频处理;对当地天气、全球温度和地震等自然现象的分析：研究股票值、销售金额、能源需求等经济变量：和许多其他领域。 但是，虽然时序预测对许多应用程序至关重要，但它近年来在 ML 社区中很少受到关注，但由于对时序缺乏熟悉，以及标准 i.i.d. 学习概念和工具在该方案中无法轻易适用的事实。
本教程准确地解决了这些和其他许多相关问题。 它提供理论和算法工具，用于研究与时序和设计新解决方案相关的研究。 我们首先简要介绍了时序，包括基本概念、常见挑战和标准模型。 接下来，我们将讨论近年来开发的重要统计学习工具和结果，并展示它们如何有助于在固定和非固定方案中派生保证和设计算法。 最后，我们展示了如何利用联机学习框架来派生解决重要且臭名昭著的难题的算法，包括模型选择和组合方法。
学习目标：熟悉基本时序概念 b. 通过在线学习介绍固定和非静止时序时序的统计学习理论和算法。通过在线学习介绍时序的模型选择和组合方法
目标受众：本教程面向非常通用的 ML 受众，应可供大多数机器学习研究人员和从业者访问。 我们将介绍从头开始的所有必要工具，当然，使幻灯片和其他详细的教程文档可用。
时序出现在各种关键实际应用程序中，例如信号处理，包括音频和视频处理;对当地天气、全球温度和地震等自然现象的分析：研究股票值、销售金额、能源需求等经济变量：和许多其他领域。 但是，虽然时序预测对许多应用程序至关重要，但它近年来在 ML 社区中很少受到关注，但由于对时序缺乏熟悉，以及标准 i.i.d. 学习概念和工具在该方案中无法轻易适用的事实。
本教程准确地解决了这些和其他许多相关问题。 它提供理论和算法工具，用于研究与时序和设计新解决方案相关的研究。 我们首先简要介绍了时序，包括基本概念、常见挑战和标准模型。 接下来，我们将讨论近年来开发的重要统计学习工具和结果，并展示它们如何有助于在固定和非固定方案中派生保证和设计算法。 最后，我们展示了如何利用联机学习框架来派生解决重要且臭名昭著的难题的算法，包括模型选择和组合方法。
学习目标：熟悉基本时序概念 b. 通过在线学习介绍固定和非静止时序时序的统计学习理论和算法。通过在线学习介绍时序的模型选择和组合方法
目标受众：本教程面向非常通用的 ML 受众，应可供大多数机器学习研究人员和从业者访问。 我们将介绍从头开始的所有必要工具，当然，使幻灯片和其他详细的教程文档可用。
想提供反馈？ 在此处提交问题。