传统运维发现问题并进行修复往往需要数小时，而且过往异常数据需要人工经验去识别。通过对大规模时序数据的分析和预测，可以分钟级别给出决策建议，使用历史数据不断训练自动更新业务经验知识。

演讲提纲：

1. 背景介绍
2. 时序数据的经典分析方法
3. 基于深度学习的时序数据分析
4. 大规模时序数据的计算架构
5. 大规模时序数据的应用场景——异常检测平台剖析

听众受益点：

1. 理解什么是时间序列数据，以及背景
2. 了解分析时间序列数据的传统方法与基于深度学习的方法
3. 时间序列数据的应用场景