msb-public
/
ML-For-Beginners
mirror of https://github.com/microsoft/ML-For-Beginners.git
1
0
Code Issues Projects Releases Wiki Activity
You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
Branches Tags
${ item.name }
Create tag ${ searchTerm }
Create branch ${ searchTerm }
from 'WirelessLife-patch-2'
${ noResults }
ML-For-Beginners/translations/ko/7-TimeSeries
History
Pikachú 9e189e28e2
updated translations for ko, es, it, ja, sw, hi, tr and zh using co-op translator 		8 months ago
..
1-Introduction updated translations for ko, es, it, ja, sw, hi, tr and zh using co-op translator 8 months ago
2-ARIMA updated translations for ko, es, it, ja, sw, hi, tr and zh using co-op translator 8 months ago
3-SVR updated translations for ko, es, it, ja, sw, hi, tr and zh using co-op translator 8 months ago
README.md updated translations for ko, es, it, ja, sw, hi, tr and zh using co-op translator 8 months ago

README.md

시계열 예측 소개

시계열 예측이란 무엇인가요? 이는 과거의 추세를 분석하여 미래의 사건을 예측하는 것입니다.

지역 주제: 전 세계 전기 사용량 ✨

이 두 수업에서는 시계열 예측에 대해 소개합니다. 시계열 예측은 비교적 덜 알려진 기계 학습의 한 분야이지만, 산업 및 비즈니스 애플리케이션 등 여러 분야에서 매우 가치가 있습니다. 신경망을 사용하여 이러한 모델의 유용성을 향상시킬 수 있지만, 우리는 과거의 데이터를 기반으로 미래 성능을 예측하는 데 도움이 되는 고전적인 기계 학습 모델의 맥락에서 이를 공부할 것입니다.

우리의 지역 초점은 전 세계의 전기 사용량입니다. 이는 과거의 부하 패턴을 기반으로 미래의 전력 사용량을 예측하는 방법을 배우기에 흥미로운 데이터셋입니다. 이러한 종류의 예측이 비즈니스 환경에서 매우 유용할 수 있음을 알 수 있습니다.

전기 그리드

라자스탄의 도로에 있는 전기 타워의 사진은 Unsplash의 Peddi Sai hrithik 제공입니다.

수업

  1. 시계열 예측 소개
  2. ARIMA 시계열 모델 구축
  3. 시계열 예측을 위한 서포트 벡터 회귀 모델 구축

크레딧

"시계열 예측 소개"는 Francesca Lazzeri와 Jen Looper의 ⚡️로 작성되었습니다. 이 노트북은 처음에 Azure "Deep Learning For Time Series" repo에 Francesca Lazzeri에 의해 온라인에 게시되었습니다. SVR 수업은 Anirban Mukherjee가 작성했습니다.

면책 조항: 이 문서는 기계 기반 AI 번역 서비스를 사용하여 번역되었습니다. 정확성을 위해 노력하지만, 자동 번역에는 오류나 부정확성이 포함될 수 있습니다. 원어로 작성된 원본 문서를 권위 있는 출처로 간주해야 합니다. 중요한 정보에 대해서는 전문적인 인간 번역을 권장합니다. 이 번역 사용으로 인해 발생하는 오해나 잘못된 해석에 대해 당사는 책임을 지지 않습니다.