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
2.8 KiB
37 lines
2.8 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "61342603bad8acadbc6b2e4e3aab3f66",
|
|
"translation_date": "2025-09-05T15:27:52+00:00",
|
|
"source_file": "7-TimeSeries/README.md",
|
|
"language_code": "sk"
|
|
}
|
|
-->
|
|
# Úvod do predikcie časových radov
|
|
|
|
Čo je predikcia časových radov? Ide o predpovedanie budúcich udalostí na základe analýzy trendov z minulosti.
|
|
|
|
## Regionálna téma: celosvetová spotreba elektrickej energie ✨
|
|
|
|
V týchto dvoch lekciách sa zoznámite s predikciou časových radov, čo je síce menej známa oblasť strojového učenia, ale napriek tomu mimoriadne cenná pre priemyselné a obchodné aplikácie, ako aj iné oblasti. Hoci neurónové siete môžu zvýšiť užitočnosť týchto modelov, budeme ich študovať v kontexte klasického strojového učenia, pretože modely pomáhajú predpovedať budúci výkon na základe minulosti.
|
|
|
|
Našou regionálnou témou je spotreba elektrickej energie vo svete, zaujímavý dataset, ktorý nám umožní naučiť sa predpovedať budúcu spotrebu energie na základe vzorcov z minulých údajov. Môžete vidieť, ako môže byť tento typ predikcie mimoriadne užitočný v obchodnom prostredí.
|
|
|
|
|
|
|
|
Fotografia od [Peddi Sai hrithik](https://unsplash.com/@shutter_log?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText) elektrických stožiarov na ceste v Rádžastáne na [Unsplash](https://unsplash.com/s/photos/electric-india?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText)
|
|
|
|
## Lekcie
|
|
|
|
1. [Úvod do predikcie časových radov](1-Introduction/README.md)
|
|
2. [Vytváranie ARIMA modelov časových radov](2-ARIMA/README.md)
|
|
3. [Vytváranie modelu Support Vector Regressor pre predikciu časových radov](3-SVR/README.md)
|
|
|
|
## Kredity
|
|
|
|
"Úvod do predikcie časových radov" bol napísaný s ⚡️ [Francescou Lazzeri](https://twitter.com/frlazzeri) a [Jen Looper](https://twitter.com/jenlooper). Notebooky sa prvýkrát objavili online v repozitári [Azure "Deep Learning For Time Series"](https://github.com/Azure/DeepLearningForTimeSeriesForecasting), pôvodne napísanom Francescou Lazzeri. Lekciu o SVR napísal [Anirban Mukherjee](https://github.com/AnirbanMukherjeeXD).
|
|
|
|
---
|
|
|
|
**Upozornenie**:
|
|
Tento dokument bol preložený pomocou služby AI prekladu [Co-op Translator](https://github.com/Azure/co-op-translator). Hoci sa snažíme o presnosť, prosím, berte na vedomie, že automatizované preklady môžu obsahovať chyby alebo nepresnosti. Pôvodný dokument v jeho pôvodnom jazyku by mal byť považovaný za autoritatívny zdroj. Pre kritické informácie sa odporúča profesionálny ľudský preklad. Nenesieme zodpovednosť za akékoľvek nedorozumenia alebo nesprávne interpretácie vyplývajúce z použitia tohto prekladu. |