ML-For-Beginners/translations/ja/7-TimeSeries/README.md

# 時系列予測の紹介

時系列予測とは何でしょうか？それは過去のトレンドを分析して将来の出来事を予測することです。

## 地域トピック: 世界の電力使用量 ✨

この2つのレッスンでは、時系列予測について紹介します。これは機械学習の中でもあまり知られていない分野ですが、産業やビジネスの応用などにおいて非常に価値があります。ニューラルネットワークを使ってこれらのモデルの有用性を高めることもできますが、ここでは過去のデータに基づいて将来のパフォーマンスを予測するための古典的な機械学習の文脈でこれらを学びます。

地域的な焦点は世界の電力使用量にあります。この興味深いデータセットを通じて、過去の負荷パターンに基づいて将来の電力使用量を予測する方法を学びます。このような予測がビジネス環境で非常に役立つことがわかるでしょう。

![電力グリッド](../../../translated_images/electric-grid.0c21d5214db09ffae93c06a87ca2abbb9ba7475ef815129c5b423d7f9a7cf136.ja.jpg)

ラジャスタンの道路にある電柱の写真は、[Peddi Sai hrithik](https://unsplash.com/@shutter_log?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText) によるもので、[Unsplash](https://unsplash.com/s/photos/electric-india?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText) に掲載されています。

## レッスン

1. [時系列予測の紹介](1-Introduction/README.md)
2. [ARIMA時系列モデルの構築](2-ARIMA/README.md)
3. [時系列予測のためのサポートベクターレグレッサの構築](3-SVR/README.md)

## クレジット

「時系列予測の紹介」は、[Francesca Lazzeri](https://twitter.com/frlazzeri) と [Jen Looper](https://twitter.com/jenlooper) によって⚡️を込めて書かれました。このノートブックは最初に [Azure "Deep Learning For Time Series" リポジトリ](https://github.com/Azure/DeepLearningForTimeSeriesForecasting) にオンラインで公開され、Francesca Lazzeri によって書かれました。SVRレッスンは [Anirban Mukherjee](https://github.com/AnirbanMukherjeeXD) によって書かれました。

**免責事項**：
この文書は機械翻訳AIサービスを使用して翻訳されています。正確性を期すために努力していますが、自動翻訳には誤りや不正確さが含まれる可能性があります。元の言語で記載された文書を権威ある情報源と見なすべきです。重要な情報については、専門の人間による翻訳をお勧めします。この翻訳の使用により生じる誤解や誤解釈について、当社は一切の責任を負いません。