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
2.9 KiB
26 lines
2.9 KiB
# Introduction à la prévision des séries temporelles
|
|
|
|
Qu'est-ce que la prévision des séries temporelles ? Il s'agit de prédire des événements futurs en analysant les tendances du passé.
|
|
|
|
## Sujet régional : utilisation mondiale de l'électricité ✨
|
|
|
|
Dans ces deux leçons, vous serez introduit à la prévision des séries temporelles, un domaine de l'apprentissage automatique relativement moins connu, mais qui est néanmoins 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, car les modèles aident à prédire la performance future en se basant sur le passé.
|
|
|
|
Notre focus régional est l'utilisation électrique dans le monde, un ensemble de données intéressant pour apprendre à prévoir la consommation future d'énergie en fonction des schémas de charge passés. Vous pouvez voir comment ce type de prévision peut être extrêmement utile dans un environnement commercial.
|
|
|
|
|
|
|
|
Photo de [Peddi Sai hrithik](https://unsplash.com/@shutter_log?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText) de tours électriques sur une route au Rajasthan sur [Unsplash](https://unsplash.com/s/photos/electric-india?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText)
|
|
|
|
## Leçons
|
|
|
|
1. [Introduction à la prévision des séries temporelles](1-Introduction/README.md)
|
|
2. [Construction de modèles de séries temporelles ARIMA](2-ARIMA/README.md)
|
|
3. [Construction d'un régressseur à vecteurs de support pour la prévision des séries temporelles](3-SVR/README.md)
|
|
|
|
## Crédits
|
|
|
|
"Introduction à la prévision des séries temporelles" a été écrit avec ⚡️ par [Francesca Lazzeri](https://twitter.com/frlazzeri) et [Jen Looper](https://twitter.com/jenlooper). Les notebooks sont apparus en ligne pour la première fois dans le [repo Azure "Deep Learning For Time Series"](https://github.com/Azure/DeepLearningForTimeSeriesForecasting) initialement écrit par Francesca Lazzeri. La leçon SVR a été écrite par [Anirban Mukherjee](https://github.com/AnirbanMukherjeeXD)
|
|
|
|
**Avertissement** :
|
|
Ce document a été traduit à l'aide de services de traduction automatique basés sur l'IA. Bien que nous nous efforçons d'assurer l'exactitude, veuillez noter que les traductions automatisées peuvent contenir des erreurs ou des inexactitudes. Le document original dans sa langue native doit être considéré comme la source autorisée. Pour des informations critiques, une traduction humaine professionnelle est recommandée. Nous ne sommes pas responsables des malentendus ou des erreurs d'interprétation résultant de l'utilisation de cette traduction. |