当今时代，数据无处不在，而时间序列数据更是其中的佼佼者。我们在互联网、经济、金融、气象等诸多领域都能见到时间序列数据的身影。有效分析这些随时间变化的数据样本以提炼有价值的信息，不仅有助于企业和机构的决策优化，而且对科学研究和技术创新具有重要意义。在最近几年，由于数据量的增加、计算能力的提升、学习算法的成熟以及应用场景的多样化，人工智能技术（如机器学习）逐渐普及并取得了显著的成果，越来越多的人开始关注这个充满潜力的研究领域。ChatGPT 大语言模型亦是掀起一波新的人工智能热潮。正因如此，我们决定着手编写一本关于时间序列与机器学习相关的书籍，希望它能为广大读者提供理论指南和实践参考。
两位作者
在工作期间相识，参与过许多一线机器学习项目，其中不少是时间序列相关，如异常检测、预测、根因定位等。平时工作之余总结和记录了不少这方面的技术帖子。电子工业出版社的张爽老师联系到我们，希望能够编撰成书，给予了很多撰写上的指导，在此感谢她的支持。尽管如此，我们仍然低估了撰写书籍所面临的困难。一方面，机器学习和深度学习技术的发展非常迅速，我们的认知也在发展和更新，会担心写作的内容是否会已经落后。另一方面，由于日常工作相当繁重，很难抽出连续的时间来全身心地专注于写作。因此，这部作品的创作也是颇为艰辛。
国内外已出版了许多关于机器学习和时间序列分析的书籍，各自都是一个庞大的学科，与诸多经典比起来本书显得颇为拙劣。
理想中著书立说是要构建起一个完整的知识体系，该体系能容纳新老技术。
尽管尚未达到著书立说的境界，仍希望能够借助自身的经验和专业知识，对这一领域进行系统的梳理和总结。
写作这本书的过程也促使自己能够更加深入理解机器学习和时间序列分析。
由于作者水平所限，书中难免有纰漏和不足之处，恳请各位专家和读者给予批评指正。
本书内容包括 8 个章节组成，分别是：
第 1 章“时间序列概述”
：介绍时间序列分析的基础知识、发展历程、应用现状、分类及其与其他领域（如自然语言处理、计算机视觉等）的关联。
