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
2.8 KiB
37 lines
2.8 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "61342603bad8acadbc6b2e4e3aab3f66",
|
|
"translation_date": "2025-09-04T23:44:15+00:00",
|
|
"source_file": "7-TimeSeries/README.md",
|
|
"language_code": "cs"
|
|
}
|
|
-->
|
|
# Úvod do předpovídání časových řad
|
|
|
|
Co je předpovídání časových řad? Jde o předpovídání budoucích událostí na základě analýzy trendů z minulosti.
|
|
|
|
## Regionální téma: celosvětová spotřeba elektřiny ✨
|
|
|
|
V těchto dvou lekcích budete uvedeni do předpovídání časových řad, což je méně známá oblast strojového učení, která je však nesmírně cenná pro průmyslové a obchodní aplikace, stejně jako pro další oblasti. Ačkoli neuronové sítě mohou zvýšit užitečnost těchto modelů, budeme je studovat v kontextu klasického strojového učení, protože modely pomáhají předpovídat budoucí výkon na základě minulosti.
|
|
|
|
Naším regionálním zaměřením je spotřeba elektřiny ve světě, což je zajímavý datový soubor, na kterém se naučíte předpovídat budoucí spotřebu energie na základě vzorců z minulého zatížení. Můžete vidět, jak může být tento typ předpovídání nesmírně užitečný v obchodním prostředí.
|
|
|
|
|
|
|
|
Foto od [Peddi Sai hrithik](https://unsplash.com/@shutter_log?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText) elektrických věží na silnici v Rádžasthánu na [Unsplash](https://unsplash.com/s/photos/electric-india?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText)
|
|
|
|
## Lekce
|
|
|
|
1. [Úvod do předpovídání časových řad](1-Introduction/README.md)
|
|
2. [Vytváření modelů ARIMA pro časové řady](2-ARIMA/README.md)
|
|
3. [Vytváření Support Vector Regressor pro předpovídání časových řad](3-SVR/README.md)
|
|
|
|
## Poděkování
|
|
|
|
"Úvod do předpovídání časových řad" byl napsán s ⚡️ [Francesca Lazzeri](https://twitter.com/frlazzeri) a [Jen Looper](https://twitter.com/jenlooper). Notebooky se poprvé objevily online v [repozitáři Azure "Deep Learning For Time Series"](https://github.com/Azure/DeepLearningForTimeSeriesForecasting), který původně napsala Francesca Lazzeri. Lekci o SVR napsal [Anirban Mukherjee](https://github.com/AnirbanMukherjeeXD).
|
|
|
|
---
|
|
|
|
**Prohlášení**:
|
|
Tento dokument byl přeložen pomocí služby pro automatický překlad [Co-op Translator](https://github.com/Azure/co-op-translator). I když se snažíme o přesnost, mějte na paměti, že automatické překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho původním jazyce by měl být považován za autoritativní zdroj. Pro kritické informace se doporučuje profesionální lidský překlad. Nenese odpovědnost za žádné nedorozumění nebo nesprávné interpretace vyplývající z použití tohoto překladu. |