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/he/7-TimeSeries/README.md

3.1 KiB
Raw Permalink Blame History Escape

מבוא לחיזוי סדרות זמן

מהו חיזוי סדרות זמן? מדובר בניבוי אירועים עתידיים על ידי ניתוח מגמות מהעבר.

נושא אזורי: שימוש עולמי בחשמל ✨

בשני השיעורים הללו, תיחשפו לחיזוי סדרות זמן, תחום פחות מוכר בלמידת מכונה, אך בעל ערך רב ליישומים בתעשייה ובעסקים, בין היתר. למרות שניתן להשתמש ברשתות עצביות כדי לשפר את יעילות המודלים הללו, נלמד אותם בהקשר של למידת מכונה קלאסית, כאשר המודלים מסייעים לנבא ביצועים עתידיים בהתבסס על העבר.

המיקוד האזורי שלנו הוא שימוש בחשמל בעולם, מערך נתונים מעניין ללמידה על חיזוי צריכת חשמל עתידית בהתבסס על דפוסי עומס מהעבר. ניתן לראות כיצד סוג כזה של חיזוי יכול להיות מועיל מאוד בסביבה עסקית.

רשת חשמל

תמונה מאת Peddi Sai hrithik של עמודי חשמל על כביש ברג'סטאן ב-Unsplash

שיעורים

  1. מבוא לחיזוי סדרות זמן
  2. בניית מודלים ARIMA לחיזוי סדרות זמן
  3. בניית Support Vector Regressor לחיזוי סדרות זמן

קרדיטים

"מבוא לחיזוי סדרות זמן" נכתב עם ⚡️ על ידי Francesca Lazzeri ו-Jen Looper. המחברות הופיעו לראשונה באופן מקוון ב-מאגר Azure "Deep Learning For Time Series" שנכתב במקור על ידי Francesca Lazzeri. השיעור על SVR נכתב על ידי Anirban Mukherjee

כתב ויתור:
מסמך זה תורגם באמצעות שירות תרגום מבוסס בינה מלאכותית Co-op Translator. בעוד שאנו שואפים לדיוק, יש לקחת בחשבון שתרגומים אוטומטיים עשויים להכיל שגיאות או אי דיוקים. המסמך המקורי בשפתו המקורית צריך להיחשב כמקור סמכותי. עבור מידע קריטי, מומלץ להשתמש בתרגום מקצועי על ידי אדם. איננו נושאים באחריות לאי הבנות או לפרשנויות שגויות הנובעות משימוש בתרגום זה.