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/sr/7-TimeSeries
History
leestott c796f3dda8
🌐 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

Увод у предвиђање временских серија

Шта је предвиђање временских серија? Ради се о предвиђању будућих догађаја анализом трендова из прошлости.

Регионална тема: светска потрошња електричне енергије ✨

У овим двема лекцијама бићете упознати са предвиђањем временских серија, релативно мање познатом облашћу машинског учења која је ипак изузетно вредна за индустријске и пословне примене, као и за друге области. Иако се неуронске мреже могу користити за побољшање корисности ових модела, проучаваћемо их у контексту класичног машинског учења, јер модели помажу у предвиђању будућих резултата на основу прошлости.

Наш регионални фокус је потрошња електричне енергије у свету, занимљив скуп података за учење о предвиђању будуће потрошње струје на основу образаца из прошлости. Можете видети како ова врста предвиђања може бити изузетно корисна у пословном окружењу.

електрична мрежа

Фотографија Peddi Sai hrithik електричних стубова на путу у Раџастану на Unsplash

Лекције

  1. Увод у предвиђање временских серија
  2. Изградња ARIMA модела временских серија
  3. Изградња модела Support Vector Regressor за предвиђање временских серија

Кредити

"Увод у предвиђање временских серија" написали су ⚡️ Francesca Lazzeri и Jen Looper. Бележнице су први пут објављене онлајн у Azure "Deep Learning For Time Series" репозиторијуму који је оригинално написала Francesca Lazzeri. Лекцију о SVR моделу написао је Anirban Mukherjee.

Одрицање од одговорности:
Овај документ је преведен коришћењем услуге за превођење помоћу вештачке интелигенције Co-op Translator. Иако тежимо тачности, молимо вас да имате у виду да аутоматски преводи могу садржати грешке или нетачности. Оригинални документ на изворном језику треба сматрати ауторитативним извором. За критичне информације препоручује се професионални превод од стране људи. Не сносимо одговорност за било каква погрешна тумачења или неспоразуме који могу произаћи из коришћења овог превода.