如果你正在学习 PyTorch 时间序列预测，却不知道如何把数据、模型和论文实验真正串起来，这门课会用欧盟碳市场价格数据带你走完一套完整实战流程：数据加载与统计、特征选择、标准化、训练测试划分、滑动窗口 Dataset/DataLoader、LSTM/GRU/CNN-LSTM/LSTM-Attention 等基准模型训练、最优模型保存、测试评估、逆标准化与可视化。课程不仅讲代码，更强调实验反思，包括训练集均值方差标准化、数据泄漏、无独立验证集、训练测试分布不一致、基准模型复现差异等关键问题。适合具备基础 Python 或 PyTorch 知识，想进入时间序列预测、论文复现或工程应用的学习者。学完后，你能独立搭建可运行的预测流程，理解 MAE、RMSE 等指标，并能批判性看待论文结果与基准对比，不再盲目迷信单一实验结论。