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 'update-translations'
${ noResults }
ML-For-Beginners/translations/et/7-TimeSeries
History
localizeflow[bot] 03503248d2
[ta,et,pcm] chore(i18n): sync translations 		3 weeks ago
..
1-Introduction chore(i18n): sync translations with latest source changes (chunk 1/1, 300 changes) 8 months ago
2-ARIMA chore(i18n): sync translations with latest source changes (chunk 1/1, 300 changes) 8 months ago
3-SVR chore(i18n): sync translations with latest source changes (chunk 1/1, 300 changes) 8 months ago
README.md [ta,et,pcm] chore(i18n): sync translations 3 weeks ago

README.md
Escape

Sissejuhatus ajaread prognoosimisse

Mis on ajaread prognoosimine? See on tulevaste sündmuste ennustamine mineviku trendide analüüsi abil.

Regionaalne teema: kogu maailmas elektritarbimine ✨

Nendes kahes õppetükis tutvustatakse teile ajaread prognoosimist, masinõppe veidi vähem tuntud valdkonda, mis on siiski äärmiselt väärtuslik tööstuse ja äri rakendustes ning paljudes teistes valdkondades. Kuigi närvivõrgud võivad aidata nende mudelite kasulikkust suurendada, uurime neid klassikalise masinõppe kontekstis, kuna mudelid aitavad prognoosida tulemust mineviku põhjal.

Meie regionaalne fookus on elektritarbimisel maailmas, huvitaval andmekogumil, mis võimaldab õppida elektritarbimise tuleviku prognoosimist mineviku koormuse mustrite põhjal. Näete, kuidas selline prognoosimine võib olla äärmiselt kasulik ärikeskkonnas.

electric grid

Foto Peddi Sai hrithiku tehtud elektri tornidest teel Rajasthanis saidilt Unsplash

Õppetükid

  1. Sissejuhatus ajaread prognoosimisse
  2. ARIMA ajareamudelite loomine
  3. Toetavate vektorite regressori loomine ajaread prognoosimiseks

Autorid

"Sissejuhatus ajaread prognoosimisse" koostasid ⚡️ Francesca Lazzeri ja Jen Looper. Märkmikud avaldati esimest korda veebis Azure "Deep Learning For Time Series" andmekogus, mille algse autori on Francesca Lazzeri. SVR õppetüki kirjutas Anirban Mukherjee

Lahtiütlus: See dokument on tõlgitud kasutades AI tõlketeenust Co-op Translator. Kuigi me püüdleme täpsuse poole, palun pange tähele, et automatiseeritud tõlgetes võib esineda vigu või ebatäpsusi. Originaaldokument selle emakeeles tuleks pidada autoriteetseks allikaks. Olulise teabe puhul soovitatakse kasutada professionaalset inimtõlget. Me ei vastuta selle tõlkega seotud eksimustest või valesti mõistmistest.