講者將分享某企業客服中心使用機器學習解決傳統做法問題的實際案例，讓大家認識時間序列分析與一般數據分析的差異，說明資料集以及使用到哪些Python套件，如何透過資料清整、特徵工程來找出並製做規律性、特殊性及滯後等特徵，介紹挑選模型及迭代更新、調整參數的方法以及評估指標，用來預測未來期間之各時段進線量，並提出後續作法改良之建議。
針對已使用過Python進行數據分析(熟悉pandas、matplotlib、scikit-learn等套件使用)，且想認識時間序列分析的人。
帶給聽眾一個企業客服中心使用機器學習解決優化傳統做法的實際案例； 讓他們知道時間序列分析跟一般回歸預測有什麼差異、做法上有什麼不同， 並認識實作時間序列分析(數據清理->EDA->特徵工程->模型訓練->效果評估)的完整歷程：
* 數據清理 - 如何對時間性資料來進行整理、清洗的各種方法
* EDA - 如何使用統計方法及資料視覺化來找出關鍵特徵
* 特徵工程 - 如何實作出更多可能之特徵
* 模型訓練 - 如何做模型的選則，迭代訓練和參數優化的方法
* 效果評估 - 如何透過不同指標來評估模型表現
跨足資料科學 x 軟體開發 x 教育科技，喜歡學習及幫助他人學習，致力成為興趣和職涯合一的敏捷工作者。