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.
26 lines
2.6 KiB
26 lines
2.6 KiB
# 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.
|
|
|
|
|
|
|
|
라자스탄의 도로에 있는 전기 타워의 사진은 [Unsplash](https://unsplash.com/s/photos/electric-india?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText)의 [Peddi Sai hrithik](https://unsplash.com/@shutter_log?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText) 제공입니다.
|
|
|
|
## 수업
|
|
|
|
1. [시계열 예측 소개](1-Introduction/README.md)
|
|
2. [ARIMA 시계열 모델 구축](2-ARIMA/README.md)
|
|
3. [시계열 예측을 위한 서포트 벡터 회귀 모델 구축](3-SVR/README.md)
|
|
|
|
## 크레딧
|
|
|
|
"시계열 예측 소개"는 [Francesca Lazzeri](https://twitter.com/frlazzeri)와 [Jen Looper](https://twitter.com/jenlooper)의 ⚡️로 작성되었습니다. 이 노트북은 처음에 [Azure "Deep Learning For Time Series" repo](https://github.com/Azure/DeepLearningForTimeSeriesForecasting)에 Francesca Lazzeri에 의해 온라인에 게시되었습니다. SVR 수업은 [Anirban Mukherjee](https://github.com/AnirbanMukherjeeXD)가 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. |