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/fi/7-TimeSeries
History
localizeflow[bot] 14f5ba5f5c
[da,no,fi] 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 [da,no,fi] chore(i18n): sync translations 3 weeks ago

README.md
Escape

Johdanto aikasarjaennustukseen

Mitä on aikasarjaennustus? Se tarkoittaa tulevien tapahtumien ennustamista menneiden trendien analysoinnin avulla.

Alueellinen aihe: maailmanlaajuinen sähköntarve ✨

Näissä kahdessa oppitunnissa tutustut aikasarjaennustukseen, koneoppimisen hieman vähemmän tunnettuun alueeseen, joka on silti erittäin arvokas teollisuuden ja liiketoiminnan sovelluksissa muiden alojen ohella. Vaikka neuroverkkoja voidaan käyttää näiden mallien hyödyllisyyden parantamiseen, opiskelemme niitä klassisen koneoppimisen yhteydessä, sillä mallit auttavat ennustamaan tulevaa suorituskykyä menneen perusteella.

Alueellinen fokuksemme on maailman sähkönkulutus, mielenkiintoinen aineisto, jonka avulla opit ennustamaan tulevaa sähkönkäyttöä menneen kuorman perusteella. Näet, kuinka tällainen ennustaminen voi olla erittäin hyödyllistä liiketoimintaympäristössä.

electric grid

Kuva: Peddi Sai hrithik sähkölinjoista tiellä Rajasthanissa Unsplashissa

Oppitunnit

  1. Johdanto aikasarjaennustukseen
  2. ARIMA-aikasarjamallien rakentaminen
  3. Support Vector Regression rakentaminen aikasarjaennustukseen

Tekijät

"Johdanto aikasarjaennustukseen" on kirjoitettu ⚡️ Francesca Lazzerin ja Jen Looperin toimesta. Muistikirjat julkaistiin ensimmäistä kertaa verkossa Azuren "Deep Learning For Time Series" -repossa, jonka Francesca Lazzeri alun perin kirjoitti. SVR-oppitunnin kirjoitti Anirban Mukherjee

Vastuuvapauslauseke: Tämä asiakirja on käännetty käyttämällä tekoälypohjaista käännöspalvelua Co-op Translator. Vaikka pyrimme tarkkuuteen, otathan huomioon, että automaattiset käännökset saattavat sisältää virheitä tai epätarkkuuksia. Alkuperäinen asiakirja sen alkuperäiskielellä on virallinen lähde. Tärkeissä asioissa suositellaan ammattimaista ihmiskäännöstä. Emme ole vastuussa tämän käännöksen käytöstä aiheutuvista väärinymmärryksistä tai tulkinnoista.