## PYCON CHINA 2019 ## 基于深度学习的多维时间序列预测在数据机房中的应用 浙江省邮电工程建设有限公司 大数据研究院 演讲人：杨赛赛 时间：10.19 ## 目录 1 背景介绍 2 研究目标 3 研究内容 4 后续工作 ### 1. 背景介绍  ## 多维感知温度预测控制 ### 2. ## 研究目标  ## 多维时间序列预测方法解决机房温度预测 • 时间序列预测方法的比较 ## 传统时间序列预测 - 对单个维度历史信息进行预测 - 捕获简单线性关系，模型简单 • 代表算法有AR, ARIMA ## 基于深度学习的 时间序列预测 - 利用多维时间序列之间的信息 - 对变周期序列，多维空间依赖序列预测较弱 - 代表算法有RNN，LSTM ## 混合多维时间序列预测 -

PHPING PHPCHINA.COM —条件、循环、函数 杨亮 ## 程序的基本结构 程序 运算（+ - x / & | ! ..） 输入 逻辑（条件、循环、递归） 输出 辅助（变量、数组、函数） 小测验 用你熟悉的程序找出 1~1000中的所有质数 ## 我们直接看代码好了 '; } if ($totalqty == 0) { echo '

数组与循环 $prices = array('Tires' => 100, 'Oil' => 10, 'Spark') 4 foreach

智能运维系统：机器学习+业务运维，2017年8月-至今 ## 目录 01 / 智能运维场景描述 整体介绍 02 / 单维时间序列分析 异常检测 03 / 多维时间序列分析 多维下钻 04 / Metis 的研究方向 展望未来 ## 基于机器学习的智能运维 ## 智能运维（AIOps）  发现问题 - 时间序列异常 · 日志分析异常 · 设备性能异常 分析问题 · 多维下钻分析 · 关联事件分析 • 容量预估分析 解决问题 ·扩容 • 决策 • 调度 • 优化 ## 智能运维组件库 · 尝试应用：开始尝试应用AI能力，还无较成熟单点应用 ·单点应 运维AI工程师 提出数据开发场景的平台诉求 ## 目录 01 / 智能运维场景描述 整体介绍 02 / 单维时间序列分析 异常检测 03 / 多维时间序列分析 多维下钻 04 / Metis 的研究方向 展望未来 ## 单维时间序列分析 ![Image](/uploads/documents/2/3/c/0/23c0c163

JavaScript教程 1 JavaScript简介 2 快速入门 2.1 基本语法 2.2 数据类型和变量 2.3 字符串 2.4 数组 2.5 对象 2.6 条件判断 2.7 循环 2.8 Map和Set 2.9 iterable 3 函数 3.1 函数定义和调用 仅仅在判断函数参数是否传递的情况下有用。 ## 数组 数组是一组按顺序排列的集合，集合的每个值称为元素。JavaScript的数组可以包括任意数据类型。例如： 1. [1, 2, 3.14, 'Hello', null, true]; 上述数组包含6个元素。数组用 `[]` 表示，元素之间用 `,` 分隔。 另一种创建数组的方法是通过 Array() 函数实现： 1. new new Array(1, 2, 3); // 创建了数组 $$ 1, 2, 3 $$ 然而，出于代码的可读性考虑，强烈建议直接使用「」。 数组的元素可以通过索引来访问。请注意，索引的起始值为 0： 1. var arr = [1, 2, 3.14, 'Hello', null, true]; 2. arr $$ 0 $$ ; // 返回索引为0的元素，即1 3. arr

空间复杂度 2.5 小结 第3章 数据结构 3.1 数据结构分类 3.2 基本数据类型 3.3 数字编码* 3.4 字符编码* 3.5 小结 第4章 数组与链表 4.1 数组 4.2 链表 4.3 列表 4.4 内存与缓存* 4.5 小结 第5章 栈与队列 5.1 栈 5.2 队列 5.3 双向队列 5.4 小结 第6章 哈希表 6.1 哈希表 6.2 哈希冲突 6.3 哈希算法 6.4 小结 第7章 树 7.1 二叉树 7.2 二叉树遍历 7.3 二叉树数组表示 7.4 二叉搜索树 7.5 AVL树* 7.6 小结 第8章 堆 8.1 堆 8.2 建堆操作 8.3 Top-k 问题 8.4 小结 第9章 图 9.1 图 2 内容结构 本书的主要内容如图 0-1 所示。 复杂度分析：数据结构和算法的评价维度与方法。时间复杂度和空间复杂度的推算方法、常见类型、示例等。 数据结构：基本数据类型和数据结构的分类方法。数组、链表、栈、队列、哈希表、树、堆、图等数据结构的定义、优缺点、常用操作、常见类型、典型应用、实现方法等。 · 算法：搜索、排序、分治、回溯、动态规划、贪心等算法的定义、优缺点、效率、应用场景、解题步骤和示例问题等。