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/el/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 2 weeks ago

README.md
Escape

Εισαγωγή στην πρόβλεψη χρονοσειρών

Τι είναι η πρόβλεψη χρονοσειρών; Πρόκειται για την πρόβλεψη μελλοντικών γεγονότων μέσω της ανάλυσης των τάσεων του παρελθόντος.

Περιφερειακό θέμα: παγκόσμια χρήση ηλεκτρικής ενέργειας ✨

Σε αυτά τα δύο μαθήματα, θα εισαχθείτε στην πρόβλεψη χρονοσειρών, μια σχετικά λιγότερο γνωστή περιοχή της μηχανικής μάθησης που είναι ωστόσο εξαιρετικά πολύτιμη για βιομηχανικές και επιχειρηματικές εφαρμογές, μεταξύ άλλων πεδίων. Παρόλο που τα νευρωνικά δίκτυα μπορούν να χρησιμοποιηθούν για την ενίσχυση της χρησιμότητας αυτών των μοντέλων, θα τα μελετήσουμε στο πλαίσιο της κλασικής μηχανικής μάθησης, καθώς τα μοντέλα βοηθούν στην πρόβλεψη της μελλοντικής απόδοσης βάσει του παρελθόντος.

Η περιφερειακή μας εστίαση είναι η χρήση ηλεκτρικής ενέργειας στον κόσμο, ένα ενδιαφέρον σύνολο δεδομένων για να μάθετε πώς να προβλέπετε τη μελλοντική κατανάλωση ενέργειας βάσει των μοτίβων του παρελθόντος φορτίου. Μπορείτε να δείτε πώς αυτό το είδος πρόβλεψης μπορεί να είναι εξαιρετικά χρήσιμο σε ένα επιχειρηματικό περιβάλλον.

ηλεκτρικό δίκτυο

Φωτογραφία από Peddi Sai hrithik με ηλεκτρικούς πύργους σε έναν δρόμο στο Rajasthan στο Unsplash

Μαθήματα

  1. Εισαγωγή στην πρόβλεψη χρονοσειρών
  2. Δημιουργία μοντέλων χρονοσειρών ARIMA
  3. Δημιουργία Support Vector Regressor για πρόβλεψη χρονοσειρών

Πιστώσεις

Η "Εισαγωγή στην πρόβλεψη χρονοσειρών" γράφτηκε με ⚡️ από Francesca Lazzeri και Jen Looper. Τα notebooks εμφανίστηκαν για πρώτη φορά online στο Azure "Deep Learning For Time Series" repo που αρχικά γράφτηκε από τη Francesca Lazzeri. Το μάθημα SVR γράφτηκε από τον Anirban Mukherjee.

Αποποίηση ευθύνης:
Αυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία αυτόματης μετάφρασης Co-op Translator. Παρόλο που καταβάλλουμε προσπάθειες για ακρίβεια, παρακαλούμε να έχετε υπόψη ότι οι αυτοματοποιημένες μεταφράσεις ενδέχεται να περιέχουν λάθη ή ανακρίβειες. Το πρωτότυπο έγγραφο στη μητρική του γλώσσα θα πρέπει να θεωρείται η αυθεντική πηγή. Για κρίσιμες πληροφορίες, συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε ευθύνη για τυχόν παρεξηγήσεις ή εσφαλμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.