MS6219
业务预测建模与预测
📘 简介
本课程帮助学生深入理解各种预测技术。学生将学习不同的平滑方法，如移动平均和指数平滑，以识别时间序列数据中的模式和趋势。此外，课程将探讨Box-Jenkins模型，即基于自回归综合滑动平均（ARIMA）模型的强大预测方法，以便处理复杂的时间序列数据并进行准确预测。学生还将学习基于回归的预测方法，重点使用回归分析建立变量之间的关系并生成预测。
🔗 相关链接
🎯 学习目标
完成课程后，学生将能够：
✔️ 应用预测技术，通过分析历史数据、选择适当的模型并生成准确预测来解决业务问题；
✔️ 选择最合适的预测方法，评估数据的特征并考虑不同技术的优缺点；
✔️ 评估统计结果的有效性，批判性分析模型，评估其准确性并考虑潜在的误差来源；
✔️ 使用相关计算机软件实现预测技术，处理数据、构建模型并生成预测；
✔️ 通过清晰和结构化的报告或演示向非专业人士传达预测模型的分析和结果。
📊 评估方式
| 评估项目 | 权重 | 具体描述 |
|---|---|---|
| 📝 测试 | 20% | 评估学生对课程内容的掌握，包括预测技术和应用的理解。 |
| 📄 项目 | 15% | 小组项目，应用所学技术分析实际的业务数据并提供预测。 |
| 📝 期末考试 | 65% | 期末考试评估学生运用预测建模技术解决复杂业务问题的能力。 |
💬 课程评价
✨ 精选评价
✏️ 您也可以通过以下方式分享您的学习体验和建议：
-
1️⃣ 课程页面底部评论 💬 在课程页面底部直接提交您的评论，我们会审核后将其收录到网站中。
-
2️⃣ GitHub 提交 🌐 如果您希望更全面地分享课程评价，或希望修改或新增课程页面，欢迎参考 Contributing 页面，通过 GitHub 提交您的贡献。
💡 加入讨论
在下方评论分享您的评价、问题或经验👇
“期待你的评价。”
—— CityU