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.
30 lines
5.9 KiB
30 lines
5.9 KiB
# ടൈം സീരീസ് ഫോറ്കാസ്റ്റിങ്ങിലേക്ക് പരിചയം
|
|
|
|
ടൈം സീരീസ് ഫോറ്കാസ്റ്റിംഗ് എന്താണ്? ഇത് കഴിഞ്ഞ കാലത്തെ പ്രവണതകൾ വിശകലനം ചെയ്ത് ഭാവിയിലെ സംഭവങ്ങൾ പ്രവചിക്കുന്നതിനെക്കുറിച്ചാണ്.
|
|
|
|
## പ്രാദേശിക വിഷയം: ലോകമാകെയുള്ള വൈദ്യുതി ഉപയോഗം ✨
|
|
|
|
ഈ രണ്ട് പാഠങ്ങളിൽ, നിങ്ങൾ ടൈം സീരീസ് ഫോറ്കാസ്റ്റിങ്ങുമായി പരിചയപ്പെടും, മെഷീൻ ലേണിങ്ങിന്റെ കുറച്ച് കുറവായി അറിയപ്പെടുന്ന ഒരു മേഖല, എന്നാൽ വ്യവസായത്തിനും ബിസിനസ്സ് പ്രയോഗങ്ങൾക്കും മറ്റ് മേഖലകൾക്കും അത്യന്തം മൂല്യമുള്ളതാണ്. ന്യൂറൽ നെറ്റ്വർക്കുകൾ ഈ മോഡലുകളുടെ പ്രയോജനം വർദ്ധിപ്പിക്കാൻ ഉപയോഗിക്കാവുന്നതായിരുന്നാലും, നാം ക്ലാസിക്കൽ മെഷീൻ ലേണിങ്ങിന്റെ പശ്ചാത്തലത്തിൽ അവയെ പഠിക്കും, കാരണം മോഡലുകൾ കഴിഞ്ഞ കാലത്തെ അടിസ്ഥാനമാക്കി ഭാവിയിലെ പ്രകടനം പ്രവചിക്കാൻ സഹായിക്കുന്നു.
|
|
|
|
നമ്മുടെ പ്രാദേശിക ശ്രദ്ധ ലോകത്തിലെ വൈദ്യുതി ഉപയോഗത്തിലാണ്, കഴിഞ്ഞ ലോഡിന്റെ മാതൃകകളുടെ അടിസ്ഥാനത്തിൽ ഭാവിയിലെ വൈദ്യുതി ഉപയോഗം ഫോറ്കാസ്റ്റ് ചെയ്യുന്നതിനെക്കുറിച്ച് പഠിക്കാൻ ഒരു രസകരമായ ഡാറ്റാസെറ്റ്. ഈ തരത്തിലുള്ള ഫോറ്കാസ്റ്റിംഗ് ബിസിനസ്സ് പരിസരത്തിൽ എത്രത്തോളം സഹായകരമാകാമെന്ന് നിങ്ങൾ കാണാം.
|
|
|
|
|
|
|
|
രാജസ്ഥാനിലെ ഒരു റോഡിൽ വൈദ്യുതി ടവറുകളുടെ ചിത്രം [Peddi Sai hrithik](https://unsplash.com/@shutter_log?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText) എന്നവന്റെ ഫോട്ടോ, [Unsplash](https://unsplash.com/s/photos/electric-india?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText) ൽ നിന്നാണ്.
|
|
|
|
## പാഠങ്ങൾ
|
|
|
|
1. [ടൈം സീരീസ് ഫോറ്കാസ്റ്റിങ്ങിലേക്ക് പരിചയം](1-Introduction/README.md)
|
|
2. [ARIMA ടൈം സീരീസ് മോഡലുകൾ നിർമ്മിക്കൽ](2-ARIMA/README.md)
|
|
3. [ടൈം സീരീസ് ഫോറ്കാസ്റ്റിങ്ങിനായി Support Vector Regressor നിർമ്മിക്കൽ](3-SVR/README.md)
|
|
|
|
## ക്രെഡിറ്റുകൾ
|
|
|
|
"ടൈം സീരീസ് ഫോറ്കാസ്റ്റിങ്ങിലേക്ക് പരിചയം" ⚡️ ഉപയോഗിച്ച് എഴുതിയത് [Francesca Lazzeri](https://twitter.com/frlazzeri) ഉം [Jen Looper](https://twitter.com/jenlooper) ഉം ആണ്. നോട്ട്ബുക്കുകൾ ആദ്യം ഓൺലൈനിൽ പ്രത്യക്ഷപ്പെട്ടത് [Azure "Deep Learning For Time Series" repo](https://github.com/Azure/DeepLearningForTimeSeriesForecasting) യിൽ ആണ്, ഇത് ആദ്യം എഴുതിയത് Francesca Lazzeri ആണ്. SVR പാഠം എഴുതിയത് [Anirban Mukherjee](https://github.com/AnirbanMukherjeeXD) ആണ്.
|
|
|
|
---
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
**അസൂയാപത്രം**:
|
|
ഈ രേഖ AI വിവർത്തന സേവനം [Co-op Translator](https://github.com/Azure/co-op-translator) ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തതാണ്. നാം കൃത്യതയ്ക്ക് ശ്രമിച്ചിട്ടുണ്ടെങ്കിലും, സ്വയം പ്രവർത്തിക്കുന്ന വിവർത്തനങ്ങളിൽ പിശകുകൾ അല്ലെങ്കിൽ തെറ്റുകൾ ഉണ്ടാകാമെന്ന് ദയവായി ശ്രദ്ധിക്കുക. അതിന്റെ മാതൃഭാഷയിലുള്ള യഥാർത്ഥ രേഖയാണ് പ്രാമാണികമായ ഉറവിടം എന്ന് പരിഗണിക്കേണ്ടതാണ്. നിർണായക വിവരങ്ങൾക്ക്, പ്രൊഫഷണൽ മനുഷ്യ വിവർത്തനം ശുപാർശ ചെയ്യപ്പെടുന്നു. ഈ വിവർത്തനം ഉപയോഗിക്കുന്നതിൽ നിന്നുണ്ടാകുന്ന ഏതെങ്കിലും തെറ്റിദ്ധാരണകൾക്കോ തെറ്റായ വ്യാഖ്യാനങ്ങൾക്കോ ഞങ്ങൾ ഉത്തരവാദികളല്ല.
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |