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/nl/7-TimeSeries
History
leestott 98900475bd
🌐 Update translations via Co-op Translator 		3 weeks ago
..
1-Introduction 🌐 Update translations via Co-op Translator 3 weeks ago
2-ARIMA 🌐 Update translations via Co-op Translator 3 weeks ago
3-SVR 🌐 Update translations via Co-op Translator 3 weeks ago
README.md 🌐 Update translations via Co-op Translator 3 weeks ago

README.md
Escape

Introductie tot tijdreeksvoorspelling

Wat is tijdreeksvoorspelling? Het gaat om het voorspellen van toekomstige gebeurtenissen door trends uit het verleden te analyseren.

Regionaal onderwerp: wereldwijd elektriciteitsverbruik ✨

In deze twee lessen maak je kennis met tijdreeksvoorspelling, een enigszins minder bekend gebied van machine learning dat desondanks enorm waardevol is voor industriële en zakelijke toepassingen, naast andere gebieden. Hoewel neurale netwerken kunnen worden gebruikt om de bruikbaarheid van deze modellen te verbeteren, zullen we ze bestuderen in de context van klassieke machine learning, omdat modellen helpen toekomstige prestaties te voorspellen op basis van het verleden.

Onze regionale focus is het elektriciteitsverbruik in de wereld, een interessante dataset om te leren hoe je toekomstig energieverbruik kunt voorspellen op basis van patronen van eerdere belasting. Je kunt zien hoe dit soort voorspellingen enorm nuttig kan zijn in een zakelijke omgeving.

elektriciteitsnet

Foto door Peddi Sai hrithik van elektriciteitsmasten langs een weg in Rajasthan op Unsplash

Lessen

  1. Introductie tot tijdreeksvoorspelling
  2. ARIMA-tijdreeksmodellen bouwen
  3. Support Vector Regressor bouwen voor tijdreeksvoorspelling

Credits

"Introductie tot tijdreeksvoorspelling" is geschreven met ⚡️ door Francesca Lazzeri en Jen Looper. De notebooks verschenen voor het eerst online in de Azure "Deep Learning For Time Series" repo, oorspronkelijk geschreven door Francesca Lazzeri. De SVR-les is geschreven door Anirban Mukherjee.

Disclaimer:
Dit document is vertaald met behulp van de AI-vertalingsservice Co-op Translator. Hoewel we ons best doen om nauwkeurigheid te garanderen, dient u zich ervan bewust te zijn dat geautomatiseerde vertalingen fouten of onnauwkeurigheden kunnen bevatten. Het originele document in zijn oorspronkelijke taal moet worden beschouwd als de gezaghebbende bron. Voor cruciale informatie wordt professionele menselijke vertaling aanbevolen. Wij zijn niet aansprakelijk voor misverstanden of verkeerde interpretaties die voortvloeien uit het gebruik van deze vertaling.