QBUS6840 26S1｜75%的分数禁止AI——这门课考的是你自己
📝 两个考试把成绩定死
先看考核结构：
| 考核 | 占比 | 时长 | AI政策 | 时间节点 |
|---|---|---|---|---|
| Mid-term | 25% | 1.5h | 禁止 | Week 7 |
| Final | 50% | 2h | 禁止 | 期末 |
| Group Assignment | 25% | TBD | 允许 | Week 13 |
两个考试加起来 75%，全部禁止 AI。这是在明确告诉你：你可以用 AI 帮你写代码、做分析，但最后考核的是你脑子里到底装了多少东西。
Group Assignment 允许 AI，占 25%。这 25% 你可以靠工具、靠队友、靠各种资源拼出来。但另外 75% 就是你一个人坐在考场里，面对时间序列数据，徒手分析。
💡 期中的内容和期末的内容几乎是两门课
Week 1-7 的内容：时间序列分析 → 指数平滑 → ARIMA。这段内容的核心是统计建模——你要理解什么是平稳序列、什么是季节性、怎么用 ACF/PACF 判断模型阶数、怎么做参数估计。
Week 8-13 的内容：神经网络 → 深度学习 → 机器学习延伸。这段内容的核心是数据驱动建模——你要理解网络架构、损失函数、梯度下降、过拟合和正则化。
期中考的是前者，Final 覆盖全部。问题来了：你得在考 Final 之前，同时掌握两套不同的思维方式。
两套范式的区别
| 方面 | 传统方法（ARIMA等） | 深度学习（NN等） |
|---|---|---|
| 核心思想 | 统计假设 + 参数估计 | 数据驱动 + 网络训练 |
| 关键步骤 | 平稳性检验、差分、ACF/PACF | 网络设计、超参数调优、防过拟合 |
| 解释性 | 高（每个参数都有统计含义） | 低（黑箱） |
| 数据要求 | 适合小数据、结构化时序 | 需要大量数据 |
| 典型场景 | 金融预测、销售预测 | 图像/语音/复杂模式识别 |
你会发现，这两套方法的哲学完全不同。ARIMA 里你要纠结"这个序列平稳吗"、"差分几阶"、"MA 和 AR 哪个主导"；神经网络里你纠结的是"用几层"、"激活函数怎么选"、"学习率设多少"。
🎬 教材是免费的，但别被骗了
必读教材是 Rob J Hyndman 的 "Forecasting: principles and practice"，这本书是免费在线的（otexts.com/fpp3）。
好消息是你不用花钱买教材。坏消息是：这本书覆盖的主要是传统方法，深度学习部分你得靠 Lecture 和额外资料。
Hyndman 的书是时间序列预测的经典，写得非常清楚，例子也多。但它的重心在 ETS（指数平滑）和 ARIMA 这些统计方法上。Neural Network 和 Deep Learning 的部分，你更多要靠课程 slides 和 Workshop 实践。
这意味着：期中复习可以狠翻教材，期末复习教材只能帮你一半。
💰 Group Assignment 的时间陷阱
Assignment 是 Week 13 截止，内容要求应用"整学期的预测技能"。换句话说，你不能只用 ARIMA 交差，也不能只用神经网络交差——你得展示你两边都会。
但是 Week 10 之前，神经网络的内容还没讲完。如果你想等学完再做 Assignment，留给你的时间就只有 Week 11-13 这三周，而这三周里你还要准备 Final。
更现实的做法是：边学边做，传统方法部分 Week 7 期中考完就可以开始写，深度学习部分等 Week 10-11 内容讲完再补。
组队的时间线考量
如果你的队里分工明确（有人负责传统方法，有人负责深度学习），那 Week 8 之后两边可以并行。但如果你想一个人把两边都做了，时间线会很紧。
| 时间段 | 任务 |
|---|---|
| Week 1-7 | 学传统方法，准备期中 |
| Week 7 | 期中考 |
| Week 8-10 | 学深度学习，同时开始 Assignment 的传统方法部分 |
| Week 11-12 | 补完 Assignment 的深度学习部分 |
| Week 13 | Assignment 截止，准备 Final |
| 期末 | Final 考试 |
⚠️ 这门课对"懂"的定义
很多课你可以靠"大概理解"混过去——Assignment 可以抄代码改改，考试可以背公式套。这门课的问题是：考试禁止 AI，而且两套方法的底层逻辑完全不同。
你"大概理解" ARIMA 的话，期中可能还能混个及格。但 Final 要考两边，而且是 2 小时连续作答。你没法在考场上临时切换脑子——你必须在考前就把两套范式都内化成条件反射。
这门课叫 Predictive Analytics，名字听起来很高大上。实际上考的是：你能不能在没有工具的情况下，用两种完全不同的方法分析同一个问题。
