01
时间序列基础
什么是时间序列 · 趋势/季节性/残差 · 应用场景
概念入门
02
数据准备与预处理
清洗 · 缺失值 · 重采样 · 日期时间索引
清洗Pandas
03
平稳性检验
ADF · KPSS · 差分操作与平稳化
统计检验
04
自相关与偏自相关
ACF/PACF · 拖尾与截尾 · 图形解读
ACFPACF
05
经典分解法
加法/乘法模型 · 移动平均 · STL分解
分解STL
06
指数平滑法
简单指数 · Holt · Holt-Winters · 参数优化
平滑预测
07
ARIMA模型（上）
AR · MA · ARMA · 阶数确定
ARIMA理论
08
ARIMA模型（下）
建模流程 · 诊断 · 残差检验 · 预测评估
实战诊断
09
季节性ARIMA (SARIMA)
结构 · 季节性参数 · 实战案例
SARIMA季节
10
Prophet模型入门
Facebook Prophet · 模型结构 · 快速上手
Prophet入门
11
Prophet高级应用
季节/节假日 · 变点检测 · 交叉验证
高级调参
12
时间序列特征工程
滞后特征 · 滚动统计 · 时间特征 · 差分
特征工程
13
机器学习方法（上）
监督学习转换 · 线性回归 · Ridge · Lasso
ML回归
14
机器学习方法（下）
随机森林 · XGBoost · LightGBM
集成树模型
15
深度学习入门
RNN/LSTM原理 · 数据格式化 · Keras搭建
LSTMKeras
16
LSTM实战
多步预测 · 多变量 · 超参数调优 · 模型保存
实战调优
17
CNN与时间序列
1D-CNN · TCN · CNN-LSTM混合
CNNTCN
18
Transformer与时间序列
Attention · Informer · 时间序列Transformer
Transformer前沿
19
多变量时间序列
VAR · 协整 · Granger因果 · 多变量预测
VAR因果
20
时间序列聚类
DTW · 相似性度量 · K-Shape
聚类无监督
21
异常检测
3-sigma · IQR · 孤立森林 · LSTM异常
异常检测
22
模型评估与选择
TimeSeriesSplit · 滚动评估 · MSE/MAE/MAPE
评估交叉验证
23
模型集成与堆叠
加权平均 · Stacking · Blending · 融合实战
集成堆叠
24
超参数调优
网格/随机搜索 · Optuna · 早停策略
调优Optuna
25
实战项目一：电商销售预测
数据探索 · 特征工程 · 模型选择 · 部署
项目电商
26
实战项目二：股票价格预测
金融时序 · 风险控制 · 回测框架
股票金融
27
实战项目三：能源负荷预测
多变量 · 长序列 · 复杂季节性
能源负荷
28
实战项目四：交通流量预测
时空数据 · GNN · STGCN
交通GNN
29
生产化部署
Pickle/ONNX · Flask/FastAPI · 定时预测
部署API
30
总结与进阶
N-BEATS · DeepAR · PatchTST · 学习路径
前沿资源