Building an AI Agent to Detect and Handle Anomalies in Time-Series Data
将统计检测与代理决策相结合构建人工智能代理来检测和处理时间序列数据中的异常情况一文首先出现在《走向数据科学》上。
5 Time Series Foundation Models You Are Missing Out On
五种广泛采用的时间序列基础模型，可跨行业和时间范围提供准确的零样本预测。
Time Series Isn’t Enough: How Graph Neural Networks Change Demand Forecasting
为什么将 SKU 建模为网络揭示了传统预测所遗漏的内容《时间序列不够：图神经网络如何改变需求预测》首先出现在《走向数据科学》上。
The digital quant: instant portfolio optimization with JointFM
TL;DR JointFM 是第一个用于多元时间序列系统中零样本联合分布预测的人工智能基础模型。通过在几毫秒内生成连贯的未来场景，它可以实现实时投资组合决策，而不会出现传统数值模拟的滞后情况。 JointFM 代表了定量建模的范式转变：在合成随机微分的无限动态流上进行训练...数字量化：使用 JointFM 进行即时投资组合优化的帖子首先出现在 DataRobot 上。
■摘要 本文以Nissay研究所每年进行的“人寿保险市场调查”为基础，介绍了近10年来签约后联系保险公司的方式以及从保险公司获得的服务和信息的变化，并探讨了与投保人对合同细节的了解现状的关系。 ■目录 1 - 简介 2 - 合同后服务和信息提供 1 - 合同后与保险公司的联系和程序 2 - 合同后提供的服务和信息 3 - 您是否获得了必要的信息？ 3 - 结论 对于人寿保险，您通常在合同期内继续支付保费，并且在许多产品中，您在签约后与保险公司形成长期关系。因此，有必要根据结婚、生育、置业、退休等人生阶段的变化，酌情审查保险范围。由于人寿保险属于长期合同的性质，许多保险公司注重在合同结束后的持续
Google Trends is Misleading You: How to Do Machine Learning with Google Trends Data
Google Trends 是用于大规模分析人类行为的最广泛使用的工具之一。记者使用它。数据科学家使用它。整篇论文都是建立在它的基础上的。但 Google 趋势数据有一个基本属性，使其很容易被滥用，特别是当您正在处理时间序列或尝试构建模型时，而大多数人从未意识到他们正在这样做。Google 趋势误导了您：如何使用 Google 趋势数据进行机器学习一文首先出现在《走向数据科学》上。
