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.
ML-For-Beginners/translations/tr/7-TimeSeries/README.md

37 lines
2.7 KiB

This file contains ambiguous Unicode characters!

This file contains ambiguous Unicode characters that may be confused with others in your current locale. If your use case is intentional and legitimate, you can safely ignore this warning. Use the Escape button to highlight these characters.

<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "61342603bad8acadbc6b2e4e3aab3f66",
"translation_date": "2025-09-06T07:48:26+00:00",
"source_file": "7-TimeSeries/README.md",
"language_code": "tr"
}
-->
# Zaman Serisi Tahminine Giriş
Zaman serisi tahmini nedir? Geçmişteki eğilimleri analiz ederek gelecekteki olayları tahmin etmektir.
## Bölgesel konu: dünya çapında elektrik kullanımı
Bu iki derste, makine öğreniminin biraz daha az bilinen ancak endüstri ve iş uygulamaları gibi alanlar için son derece değerli bir alanı olan zaman serisi tahmini ile tanışacaksınız. Sinir ağları bu modellerin faydasını artırmak için kullanılabilse de, geçmiş performansa dayanarak geleceği tahmin etmeye yardımcı olan modeller bağlamında klasik makine öğrenimini inceleyeceğiz.
Bölgesel odak noktamız, geçmiş yük desenlerine dayanarak gelecekteki enerji kullanımını tahmin etmeyi öğrenmek için ilginç bir veri kümesi olan dünya çapındaki elektrik kullanımıdır. Bu tür bir tahminin iş ortamında ne kadar faydalı olabileceğini görebilirsiniz.
![elektrik şebekesi](../../../7-TimeSeries/images/electric-grid.jpg)
Fotoğraf [Peddi Sai hrithik](https://unsplash.com/@shutter_log?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText) tarafından Rajasthan'daki bir yolda bulunan elektrik direkleri hakkında [Unsplash](https://unsplash.com/s/photos/electric-india?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText) üzerinde çekilmiştir.
## Dersler
1. [Zaman serisi tahminine giriş](1-Introduction/README.md)
2. [ARIMA zaman serisi modelleri oluşturma](2-ARIMA/README.md)
3. [Zaman serisi tahmini için Destek Vektör Regresörü oluşturma](3-SVR/README.md)
## Katkıda Bulunanlar
"Zaman serisi tahminine giriş" ⚡️ ile [Francesca Lazzeri](https://twitter.com/frlazzeri) ve [Jen Looper](https://twitter.com/jenlooper) tarafından yazılmıştır. Not defterleri ilk olarak [Azure "Deep Learning For Time Series" repo](https://github.com/Azure/DeepLearningForTimeSeriesForecasting) üzerinde Francesca Lazzeri tarafından yazılmış olarak çevrimiçi yayınlanmıştır. SVR dersi [Anirban Mukherjee](https://github.com/AnirbanMukherjeeXD) tarafından yazılmıştır.
---
**Feragatname**:
Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.