Bài viết "Tăng tốc việc phân tích chuỗi thời gian với phương pháp máy học tự động hóa" giới thiệu các công cụ của phương pháp máy học tự động cung cấp các lợi thế quan trọng so với các công cụ phân tích truyền thống như tính đơn giản, nhanh & khả năng diễn giải kết quả thu được. Mời các bạn cùng tham khảo! | TĂNG TỐC VIỆC PHÂN TÍCH CHUỖI THỜI GIAN VỚI PHƯƠNG PHÁP MÁY HỌC TỰ ĐỘNG HÓA Bùi Mạnh Trường Khoa Công nghệ Thông tin. Trường Đại học Tài chính Marketing Email bmtruong@ Tóm tắt Thời gian Time là một trong những nhân tố quan trọng nhất cần xem xét và đánh giá để đảm bảo thành công trong kinh doanh và cũng rất khó khăn để bắt kịp tốc độ của thời gian. Công nghệ đã và đang phát triển cùng với các phương pháp mạnh mẽ giúp biết trước sự việc trước khi thời gian kịp tới thời điểm sự việc diễn ra. Dữ liệu chuỗi thời gian nâng cao hiệu quả kinh doanh bằng việc đưa ra các cách nhìn sâu sắc hơn về kết quả hoạt động kinh doanh trong tương lai. Các công cụ của phương pháp máy học tự động cung cấp các lợi thế quan trọng so với các công cụ phân tích truyền thống như tính đơn giản nhanh amp khả năng diễn giải kết quả thu được. Từ khóa data time series machine learning automated machine learning AutoML GIỚI THIỆU Phân tích chuỗi thời gian Time series có nhiều mục tiêu khác nhau tùy thuộc vào lĩnh vực được ứng dụng. Các mục tiêu bao gồm dự đoán giá trị tương lai của chuỗi trích xuất tín hiệu ẩn dấu trong dữ liệu pha tạp khám phá cơ chế mà dữ liệu được tạo ra mô phỏng kết quả độc lập trong thực tế của chuỗi để hiểu dữ liệu sẽ thay đổi thế nào trong tương lai. Trong tất cả các ứng dụng phân tích chuỗi thời gian ban đầu thường cố gắng tìm ra được mô hình toán học để giúp tìm ra được hình thức trực quan tốt nhất đối với dữ liệu quan sát được. Nhiều năm qua số lượng các dòng dữ liệu đổ vào các kho dữ liệu phân tích tăng đáng kể liên tục để hỗ trợ phạm vi rộng lớn hơn cho các nhu cầu kinh doanh. Sự gia tăng này đã làm thay đổi sâu sắc các loại hình phân tích theo yêu cầu từ các công việc phân tích tổng hợp mô tả về kết quả hoạt động kinh doanh trong lịch sử cho tới việc tập trung nhiều hơn vào kết quả hoạt động kinh doanh hiện tại và tương lai trong đó có sử dụng các phương pháp đo lường với độ chi tiết cao. Sự gia tăng này cũng tạo áp lực cho các tổ chức đầu tư vào công nghệ
