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/uk/7-TimeSeries
History
leestott ffd4047095
🌐 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

Вступ до прогнозування часових рядів

Що таке прогнозування часових рядів? Це процес передбачення майбутніх подій шляхом аналізу тенденцій минулого.

Регіональна тема: світове споживання електроенергії ✨

У цих двох уроках ви познайомитеся з прогнозуванням часових рядів — менш відомою, але надзвичайно корисною галуззю машинного навчання, яка має велике значення для промислових і бізнесових застосувань, а також інших сфер. Хоча нейронні мережі можуть бути використані для підвищення ефективності цих моделей, ми вивчатимемо їх у контексті класичного машинного навчання, оскільки моделі допомагають прогнозувати майбутню продуктивність на основі минулого.

Наш регіональний фокус — споживання електроенергії у світі, цікавий набір даних для вивчення прогнозування майбутнього використання електроенергії на основі моделей минулого навантаження. Ви можете побачити, наскільки корисним може бути таке прогнозування в бізнес-середовищі.

електрична мережа

Фото Peddi Sai hrithik електричних веж на дорозі в Раджастані на Unsplash

Уроки

  1. Вступ до прогнозування часових рядів
  2. Створення моделей ARIMA для часових рядів
  3. Створення регресора на основі опорних векторів для прогнозування часових рядів

Автори

"Вступ до прогнозування часових рядів" написано з ⚡️ Francesca Lazzeri та Jen Looper. Ноутбуки вперше з'явилися онлайн у репозиторії Azure "Deep Learning For Time Series", який спочатку був написаний Francesca Lazzeri. Урок про SVR написаний Anirban Mukherjee.

Відмова від відповідальності:
Цей документ був перекладений за допомогою сервісу автоматичного перекладу Co-op Translator. Хоча ми прагнемо до точності, будь ласка, майте на увазі, що автоматичні переклади можуть містити помилки або неточності. Оригінальний документ на його рідній мові слід вважати авторитетним джерелом. Для критичної інформації рекомендується професійний людський переклад. Ми не несемо відповідальності за будь-які непорозуміння або неправильні тлумачення, що виникають внаслідок використання цього перекладу.