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/it/7-TimeSeries
History
localizeflow[bot] 1e8aaef95b
[it,pl,tr] chore(i18n): sync translations 		3 weeks ago
..
1-Introduction
…
2-ARIMA
…
3-SVR
…
README.md [it,pl,tr] chore(i18n): sync translations 3 weeks ago

README.md
Escape

Introduzione alla previsione delle serie temporali

Cos'è la previsione delle serie temporali? Si tratta di prevedere eventi futuri analizzando le tendenze del passato.

Argomento regionale: consumo elettrico mondiale ✨

In queste due lezioni, verrà introdotta la previsione delle serie temporali, un'area del machine learning poco conosciuta ma estremamente preziosa per applicazioni industriali e commerciali, oltre che in altri campi. Sebbene le reti neurali possano essere utilizzate per migliorare l'utilità di questi modelli, le studieremo nel contesto del machine learning classico poiché i modelli aiutano a prevedere le prestazioni future basandosi sul passato.

Il nostro focus regionale è il consumo elettrico nel mondo, un dataset interessante per imparare a prevedere il consumo futuro di energia basandosi sui modelli del carico passato. Potrai vedere come questo tipo di previsione possa essere estremamente utile in un ambiente aziendale.

electric grid

Foto di Peddi Sai hrithik di torri elettriche su una strada in Rajasthan su Unsplash

Lezioni

  1. Introduzione alla previsione delle serie temporali
  2. Costruire modelli ARIMA per serie temporali
  3. Costruire un Support Vector Regressor per la previsione delle serie temporali

Crediti

"Introduzione alla previsione delle serie temporali" è stato scritto con ⚡️ da Francesca Lazzeri e Jen Looper. I notebook sono apparsi per la prima volta online nel repo Azure "Deep Learning For Time Series" originariamente scritto da Francesca Lazzeri. La lezione su SVR è stata scritta da Anirban Mukherjee

Disclaimer: Questo documento è stato tradotto utilizzando il servizio di traduzione AI Co-op Translator. Sebbene ci impegniamo per garantire la precisione, si prega di notare che le traduzioni automatizzate possono contenere errori o imprecisioni. Il documento originale nella sua lingua nativa deve essere considerato la fonte autorevole. Per informazioni critiche, si raccomanda una traduzione professionale effettuata da un essere umano. Non siamo responsabili per eventuali malintesi o interpretazioni errate derivanti dall’uso di questa traduzione.