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 'main'
${ noResults }
ML-For-Beginners/translations/br/7-TimeSeries
History
leestott e4050807fb
🌐 Update translations via Co-op Translator 		2 weeks ago
..
1-Introduction 🌐 Update translations via Co-op Translator 2 weeks ago
2-ARIMA 🌐 Update translations via Co-op Translator 2 weeks ago
3-SVR 🌐 Update translations via Co-op Translator 2 weeks ago
README.md 🌐 Update translations via Co-op Translator 3 weeks ago

README.md
Escape

Introdução à previsão de séries temporais

O que é previsão de séries temporais? Trata-se de prever eventos futuros analisando tendências do passado.

Tópico regional: uso mundial de eletricidade ✨

Nestes dois módulos, você será introduzido à previsão de séries temporais, uma área um pouco menos conhecida do aprendizado de máquina, mas que é extremamente valiosa para aplicações industriais e empresariais, entre outros campos. Embora redes neurais possam ser usadas para aumentar a utilidade desses modelos, estudaremos o tema no contexto do aprendizado de máquina clássico, já que esses modelos ajudam a prever o desempenho futuro com base no passado.

Nosso foco regional é o uso de eletricidade no mundo, um conjunto de dados interessante para aprender a prever o consumo futuro de energia com base em padrões de carga anteriores. Você verá como esse tipo de previsão pode ser extremamente útil em um ambiente empresarial.

rede elétrica

Foto de Peddi Sai hrithik de torres elétricas em uma estrada em Rajasthan no Unsplash

Módulos

  1. Introdução à previsão de séries temporais
  2. Construindo modelos ARIMA para séries temporais
  3. Construindo um Support Vector Regressor para previsão de séries temporais

Créditos

"Introdução à previsão de séries temporais" foi escrito com ⚡️ por Francesca Lazzeri e Jen Looper. Os notebooks apareceram pela primeira vez online no repositório "Deep Learning For Time Series" do Azure, originalmente escrito por Francesca Lazzeri. O módulo sobre SVR foi escrito por Anirban Mukherjee.

Aviso Legal:
Este documento foi traduzido utilizando o serviço de tradução por IA Co-op Translator. Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.