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
2.9 KiB
37 lines
2.9 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "61342603bad8acadbc6b2e4e3aab3f66",
|
|
"translation_date": "2025-09-03T22:41:21+00:00",
|
|
"source_file": "7-TimeSeries/README.md",
|
|
"language_code": "ko"
|
|
}
|
|
-->
|
|
# 시계열 예측 소개
|
|
|
|
시계열 예측이란 무엇일까요? 과거의 추세를 분석하여 미래의 사건을 예측하는 것입니다.
|
|
|
|
## 지역 주제: 전 세계 전력 사용량 ✨
|
|
|
|
이 두 강의에서는 시계열 예측에 대해 소개합니다. 이는 머신 러닝의 비교적 덜 알려진 분야이지만, 산업 및 비즈니스 응용 분야를 포함한 다양한 분야에서 매우 가치가 있습니다. 신경망을 사용하여 이러한 모델의 유용성을 향상시킬 수 있지만, 우리는 과거 데이터를 기반으로 미래 성능을 예측하는 데 도움을 주는 고전적인 머신 러닝의 맥락에서 이를 연구할 것입니다.
|
|
|
|
우리의 지역적 초점은 세계 전력 사용량입니다. 이는 과거 부하 패턴을 기반으로 미래 전력 사용량을 예측하는 방법을 배우기에 흥미로운 데이터셋입니다. 이러한 예측은 비즈니스 환경에서 매우 유용할 수 있음을 알 수 있습니다.
|
|
|
|
|
|
|
|
라자스탄 도로 위 전력탑 사진 제공: [Peddi Sai hrithik](https://unsplash.com/@shutter_log?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText) ([Unsplash](https://unsplash.com/s/photos/electric-india?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText))
|
|
|
|
## 강의 목록
|
|
|
|
1. [시계열 예측 소개](1-Introduction/README.md)
|
|
2. [ARIMA 시계열 모델 구축](2-ARIMA/README.md)
|
|
3. [시계열 예측을 위한 서포트 벡터 회귀 모델 구축](3-SVR/README.md)
|
|
|
|
## 크레딧
|
|
|
|
"시계열 예측 소개"는 [Francesca Lazzeri](https://twitter.com/frlazzeri)와 [Jen Looper](https://twitter.com/jenlooper)가 ⚡️와 함께 작성했습니다. 노트북은 처음 [Azure "Deep Learning For Time Series" 리포지토리](https://github.com/Azure/DeepLearningForTimeSeriesForecasting)에 온라인으로 게시되었으며, Francesca Lazzeri가 처음 작성했습니다. SVR 강의는 [Anirban Mukherjee](https://github.com/AnirbanMukherjeeXD)가 작성했습니다.
|
|
|
|
---
|
|
|
|
**면책 조항**:
|
|
이 문서는 AI 번역 서비스 [Co-op Translator](https://github.com/Azure/co-op-translator)를 사용하여 번역되었습니다. 정확성을 위해 최선을 다하고 있으나, 자동 번역에는 오류나 부정확성이 포함될 수 있습니다. 원본 문서의 원어 버전을 신뢰할 수 있는 권위 있는 자료로 간주해야 합니다. 중요한 정보의 경우, 전문적인 인간 번역을 권장합니다. 이 번역 사용으로 인해 발생하는 오해나 잘못된 해석에 대해 당사는 책임을 지지 않습니다. |