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.
37 lines
3.6 KiB
37 lines
3.6 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "61342603bad8acadbc6b2e4e3aab3f66",
|
|
"translation_date": "2025-08-29T13:08:38+00:00",
|
|
"source_file": "7-TimeSeries/README.md",
|
|
"language_code": "ar"
|
|
}
|
|
-->
|
|
# مقدمة في التنبؤ بالسلاسل الزمنية
|
|
|
|
ما هو التنبؤ بالسلاسل الزمنية؟ إنه يتعلق بتوقع الأحداث المستقبلية من خلال تحليل اتجاهات الماضي.
|
|
|
|
## موضوع إقليمي: استخدام الكهرباء عالميًا ✨
|
|
|
|
في هذين الدرسين، ستتعرف على التنبؤ بالسلاسل الزمنية، وهو مجال أقل شهرة في تعلم الآلة ولكنه ذو قيمة كبيرة للتطبيقات الصناعية والتجارية، بالإضافة إلى مجالات أخرى. بينما يمكن استخدام الشبكات العصبية لتعزيز فائدة هذه النماذج، سنقوم بدراستها في سياق تعلم الآلة التقليدي حيث تساعد النماذج في توقع الأداء المستقبلي بناءً على الماضي.
|
|
|
|
تركيزنا الإقليمي هو استخدام الكهرباء عالميًا، وهو مجموعة بيانات مثيرة للاهتمام للتعلم عن كيفية التنبؤ باستخدام الطاقة في المستقبل بناءً على أنماط الأحمال السابقة. يمكنك أن ترى كيف يمكن أن يكون هذا النوع من التنبؤ مفيدًا للغاية في بيئة الأعمال.
|
|
|
|
|
|
|
|
صورة بواسطة [Peddi Sai hrithik](https://unsplash.com/@shutter_log?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText) لأبراج كهرباء على طريق في راجستان على [Unsplash](https://unsplash.com/s/photos/electric-india?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText)
|
|
|
|
## الدروس
|
|
|
|
1. [مقدمة في التنبؤ بالسلاسل الزمنية](1-Introduction/README.md)
|
|
2. [بناء نماذج ARIMA للسلاسل الزمنية](2-ARIMA/README.md)
|
|
3. [بناء نموذج دعم المتجهات للتنبؤ بالسلاسل الزمنية](3-SVR/README.md)
|
|
|
|
## الشكر والتقدير
|
|
|
|
تم كتابة "مقدمة في التنبؤ بالسلاسل الزمنية" بحب ⚡️ بواسطة [Francesca Lazzeri](https://twitter.com/frlazzeri) و [Jen Looper](https://twitter.com/jenlooper). ظهرت الدفاتر لأول مرة على الإنترنت في [مستودع Azure "Deep Learning For Time Series"](https://github.com/Azure/DeepLearningForTimeSeriesForecasting) الذي كتبته في الأصل Francesca Lazzeri. تم كتابة درس SVR بواسطة [Anirban Mukherjee](https://github.com/AnirbanMukherjeeXD)
|
|
|
|
---
|
|
|
|
**إخلاء المسؤولية**:
|
|
تمت ترجمة هذا المستند باستخدام خدمة الترجمة الآلية [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية هو المصدر الموثوق. للحصول على معلومات حساسة أو هامة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة. |