diff --git a/7-TimeSeries/translations/README.fr.md b/7-TimeSeries/translations/README.fr.md new file mode 100644 index 00000000..be406b09 --- /dev/null +++ b/7-TimeSeries/translations/README.fr.md @@ -0,0 +1,23 @@ +# Introduction à la prévision des séries chronologiques + +Qu'est-ce que la prévision des séries chronologiques ? Il s'agit de prédire des événements futurs en analysant les tendances du passé. + +## Thème régional : consommation mondiale d'électricité ✨ + +Dans ces deux leçons, nous vous présenterons la prévision des séries temporelles, un domaine moins connu de l'apprentissage automatique qui est pourtant extrêmement précieux pour les applications industrielles et commerciales, entre autres. Bien que les réseaux neuronaux puissent être utilisés pour améliorer l'utilité de ces modèles, nous les étudierons dans le contexte de l'apprentissage automatique classique comme des modèles permettant de prédire les performances futures sur la base du passé. + +Nous nous concentrons sur l'utilisation de l'électricité dans le monde, un ensemble de données intéressant pour apprendre à prévoir l'utilisation future de l'électricité sur la base des modèles de charge passés. Vous pouvez voir comment ce type de prévision peut être extrêmement utile dans un environnement commercial. + +![réseau électrique](../images/electric-grid.jpg) + +Photo par Peddi Sai hrithik de poteaux électriques sur une route au Rajasthan, sur Unsplash + +## Leçons + +1. [Introduction à la prévision des séries chronologiques](../1-Introduction/README.md) +2. [Construction de modèles de séries temporelles ARIMA](../2-ARIMA/README.md) +3. [Construction d'un régresseur à vecteur de support pour la prévision des séries temporelles](../3-SVR/README.md) + +## Crédits + +"Introduction à la prévision des séries chronologiques" a été écrit avec ⚡️ par [Francesca Lazzeri](https://twitter.com/frlazzeri) et [Jen Looper](https://twitter.com/jenlooper). Les notebooks ont été publiés pour la première fois en ligne dans le [Azure "Deep Learning For Time Series" repo](https://github.com/Azure/DeepLearningForTimeSeriesForecasting) écrit à l'origine par Francesca Lazzeri. La leçon sur les SVR a été rédigée par [Anirban Mukherjee](https://github.com/AnirbanMukherjeeXD) diff --git a/9-Real-World/translations/README.fr.md b/9-Real-World/translations/README.fr.md new file mode 100644 index 00000000..a6116815 --- /dev/null +++ b/9-Real-World/translations/README.fr.md @@ -0,0 +1,15 @@ +# Postscript: Applications réelles de l'apprentissage automatique classique + +Dans cette section du cours, nous vous présenterons quelques applications réelles du ML classique. Nous avons parcouru l'Internet pour trouver des papiers de recherches et des articles sur des applications qui ont utilisé ces stratégies, en évitant autant que possible les réseaux neuronaux, l'apprentissage profond et l'IA. Découvrez comment le ML est utilisé dans les systèmes commerciaux, les applications écologiques, la finance, les arts et la culture, et plus encore. + +![échecs](../images/chess.jpg) + +> Photo par Alexis Fauvet sur Unsplash + +## Leçon + +1. [Applications du monde réel pour le ML](../1-Applications/README.md) + +## Crédits + +"Applications du monde réel pour le ML" a été rédigé par une équipe de personnes, dont les suivantes [Jen Looper](https://twitter.com/jenlooper) et [Ornella Altunyan](https://twitter.com/ornelladotcom).