时间序列分析是一种针对时序数据处理的方法，涉及统计学、数据挖掘、数据建模、机器学习等多种技术。本书系统地介绍时间序列分析的关键方法，主要包括三方面内容；首先简单介绍经典的统计学部分，如自回归与移动平均模型；其次详细介绍常规方法，如线性回归与Prophet模型；最后系统论证深度学习部分，如RNN与TCN模型。此外，实战应用中将注意力机制应用到时间序列分析，通过Transformer模型对序列进行建模。
本书理论结合实战，具有很强的实践性，不仅适合企业一线从事技术和应用开发的人员学习，还可作为高等院校计算机、金融或人工智能专业师生使用Python语言学习时间序列分析的参考书。

第1章初识时间序列
1.1时间序列的概念
1.2时间序列的特点
1.3统计学基础
1.4时间序列的分解
第2章线性时间序列分析
2.1平稳性
2.2自相关性
2.3白噪声与随机游走
2.4自回归移动平均模型
第3章时间序列分析常用模型
3.1线性回归模型
3.2Prophet模型
3.3NeuralProphet模型
第4章神经网络
4.1人工神经网络
……