# Wprowadzenie do prognozowania szeregów czasowych Czym jest prognozowanie szeregów czasowych? Chodzi o przewidywanie przyszłych zdarzeń poprzez analizę trendów z przeszłości. ## Temat regionalny: globalne zużycie energii elektrycznej ✨ W tych dwóch lekcjach zostaniesz wprowadzony do prognozowania szeregów czasowych, nieco mniej znanej dziedziny uczenia maszynowego, która jednak ma ogromne znaczenie dla zastosowań przemysłowych i biznesowych, a także innych obszarów. Chociaż sieci neuronowe mogą być używane do zwiększenia użyteczności tych modeli, będziemy je badać w kontekście klasycznego uczenia maszynowego, ponieważ modele pomagają przewidywać przyszłą wydajność na podstawie danych z przeszłości. Naszym regionalnym tematem jest zużycie energii elektrycznej na świecie, interesujący zbiór danych, który pozwala nauczyć się prognozowania przyszłego zużycia energii na podstawie wzorców obciążenia z przeszłości. Możesz zobaczyć, jak tego rodzaju prognozowanie może być niezwykle pomocne w środowisku biznesowym.  Zdjęcie autorstwa [Peddi Sai hrithik](https://unsplash.com/@shutter_log?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText) przedstawiające wieże elektryczne przy drodze w Radżastanie na [Unsplash](https://unsplash.com/s/photos/electric-india?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText) ## Lekcje 1. [Wprowadzenie do prognozowania szeregów czasowych](1-Introduction/README.md) 2. [Budowanie modeli szeregów czasowych ARIMA](2-ARIMA/README.md) 3. [Budowanie regresora wektorów nośnych (SVR) dla prognozowania szeregów czasowych](3-SVR/README.md) ## Podziękowania "Wprowadzenie do prognozowania szeregów czasowych" zostało napisane z ⚡️ przez [Francesca Lazzeri](https://twitter.com/frlazzeri) i [Jen Looper](https://twitter.com/jenlooper). Notatniki po raz pierwszy pojawiły się online w repozytorium [Azure "Deep Learning For Time Series"](https://github.com/Azure/DeepLearningForTimeSeriesForecasting) pierwotnie napisanym przez Francescę Lazzeri. Lekcja dotycząca SVR została napisana przez [Anirban Mukherjee](https://github.com/AnirbanMukherjeeXD). --- **Zastrzeżenie**: Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.