2.9 KiB
Introdução à previsão de séries temporais
O que é previsão de séries temporais? Trata-se de prever eventos futuros analisando tendências do passado.
Tema regional: consumo mundial de eletricidade ✨
Nestes dois módulos, será introduzido o conceito de previsão de séries temporais, uma área um pouco menos conhecida do machine learning, mas que é extremamente valiosa para aplicações na indústria e nos negócios, entre outros campos. Embora redes neurais possam ser usadas para aumentar a utilidade desses modelos, vamos estudá-los no contexto do machine learning clássico, já que esses modelos ajudam a prever o desempenho futuro com base no passado.
O nosso foco regional é o consumo de eletricidade no mundo, um conjunto de dados interessante para aprender a prever o consumo futuro de energia com base nos padrões de carga do passado. É possível perceber como este tipo de previsão pode ser extremamente útil em ambientes empresariais.
Foto de Peddi Sai hrithik de torres elétricas numa estrada em Rajasthan no Unsplash
Módulos
- Introdução à previsão de séries temporais
- Construção de modelos ARIMA para séries temporais
- Construção de um Support Vector Regressor para previsão de séries temporais
Créditos
"A introdução à previsão de séries temporais" foi escrita com ⚡️ por Francesca Lazzeri e Jen Looper. Os notebooks foram publicados pela primeira vez online no repositório "Deep Learning For Time Series" da Azure, originalmente escrito por Francesca Lazzeri. O módulo sobre SVR foi escrito por Anirban Mukherjee.
Aviso Legal:
Este documento foi traduzido utilizando o serviço de tradução por IA Co-op Translator. Embora nos esforcemos para garantir a precisão, é importante ter em conta que traduções automáticas podem conter erros ou imprecisões. O documento original na sua língua nativa deve ser considerado a fonte autoritária. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes da utilização desta tradução.