課程簡介

《Google TimesFM AI預測未來課程》兩小時精華班，將帶領學員從時間序列預測的基本概念開始，逐步掌握 Google TimesFM 的模型定位、使用方式與商業應用情境，學會如何把歷史資料轉化為可行的未來預測。 課程內容會以 BigQuery ML 的 TimesFM 單變數模型為主軸，結合 AI.FORECAST 的操作思維，示範如何以 SQL 完成預測、如何看懂信賴區間，以及如何把結果應用於零售銷售、流量分析、營運規劃與需求預估。 適合資料分析師、營運人員、產品經理、行銷人員與想建立 AI 預測思維的企業同仁。

課程目標

學員完成課程後，能清楚理解什麼是時間序列預測，以及 TimesFM 為何被視為時間序列基礎模型的重要突破。 學員也能獨立使用 BigQuery 的 AI.FORECAST 函式，建立基本預測查詢，並知道如何設定 horizon、confidence_level、timestamp_col 與 data_col 等核心參數。 進一步地，學員會學會解讀預測結果、區分歷史資料與未來推估值，並建立最基礎的商業預測分析能力。

兩小時大綱

第一單元：時間序列與 AI 預測概念

時間：15 分鐘。內容包括什麼是時間序列、為何傳統統計方法常需要大量人工建模、以及基礎模型如何改變預測流程。 學員會理解時間序列資料在零售、能源、金融、交通與網站流量中的常見用途，並建立「用歷史推未來」的分析框架。 這一段會先讓學員知道，TimesFM 不是一般聊天 AI，而是專門處理時序資料的預測模型。

第二單元：TimesFM 模型定位與特色

時間：20 分鐘。內容包括 TimesFM 的模型定位、零樣本預測概念、單變數時間序列預測能力，以及它與傳統機器學習模型的差異。 學員會學習到，TimesFM 能根據歷史資料直接進行預測，不必針對每個資料集重新訓練完整模型，這也是它被稱為時間序列基礎模型的原因。 這一單元也會介紹它在 BigQuery ML 中的整合方式，讓模型可以直接透過 SQL 使用。

第三單元：BigQuery ML 與 AI.FORECAST 實作

時間：25 分鐘。內容包括登入 Google Cloud、建立或選用資料表、撰寫 AI.FORECAST 查詢，以及理解輸入資料格式。 學員會實際操作時間欄位與數值欄位的指定方式，並學會如何從歷史資料預測未來一段時間的趨勢。 這一段會以公開資料或範例資料示範，讓學員在不依賴複雜程式碼的情況下，完成第一次 AI 預測查詢。

第四單元：預測結果解讀

時間：20 分鐘。內容包括預測值、信賴區間、歷史時間序列與未來時間序列的差異。 學員會學會閱讀 AI.FORECAST 輸出的結果，並了解 confidence_level 的意義，知道模型不是只給單一答案，而是提供不確定性範圍。 這一單元的目標，是讓學員在報表或簡報中能正確表達「預測趨勢」而不是過度絕對化未來結果。

第五單元：商業應用場景

時間：20 分鐘。內容包括零售銷售預測、訂閱數預估、網站流量趨勢、庫存與補貨規劃，以及營運資源分配。 學員會練習把一個商業問題改寫成時間序列問題，例如「下個月銷量會是多少」、「週末流量是否會上升」或「節慶期間是否需要加庫存」。 這一段會讓學員理解 TimesFM 的真正價值，不只是模型本身，而是幫助企業更快做決策。

第六單元：分析思維與模型限制

時間：15 分鐘。內容包括單變數限制、資料品質的重要性、時間粒度一致性的概念，以及什麼時候不適合直接使用 TimesFM。 學員會知道，若資料缺漏太多、趨勢極不穩定，或需要多變數複雜因果分析，就不能只靠單一模型解決。 這一單元的目的，是建立正確期待，避免把 AI 預測當成萬能答案。

第七單元：課後整合與實戰設計

時間：25 分鐘。內容包括課後練習題、團隊導入建議、預測報表設計與進階學習方向。 學員會根據自己的工作領域，設計一個可實際應用的預測題目，例如銷售量、會員活躍度或交通流量，作為課後延伸任務。 這一段會幫助學員把課堂所學轉換成實務專案，而不是只停留在概念理解。

適合對象

這門課特別適合資料分析師、營運主管、行銷人員、產品經理與想導入預測分析的企業團隊。 如果你常常面對「下個月會發生什麼」這類問題，卻只能靠經驗判斷，這堂課會很有幫助。 對剛接觸 AI 預測的人來說，它也能作為時間序列與 BigQuery ML 的入門課程。

學習成果

完成課程後，學員可以理解時間序列預測的基本邏輯，並能使用 TimesFM 在 BigQuery 中完成最基本的未來推估。 也能看懂預測結果中的信賴區間與歷史序列，知道如何把輸出用在簡報、報表與決策場景中。 對企業而言，這代表團隊可以用更低的門檻開始建立數據驅動的預測流程。

課程特色

這門兩小時精華班採用「概念清楚、操作明快、可直接上手」的設計，避免過多數學推導，把重點放在 BigQuery 實作與商業理解。 課程使用 Google TimesFM 的官方脈絡作為基礎，讓學員建立正確的預測模型觀念與 SQL 使用方式。 完課後，學員能快速把 AI 預測納入日常分析流程，為後續進階微調或更複雜的時間序列分析打好基礎。