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/my/7-TimeSeries
History
localizeflow[bot] d8d9750f1d
[my,uk,lt] 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 [my,uk,lt] chore(i18n): sync translations 3 months ago
3-SVR chore(i18n): sync translations with latest source changes (chunk 1/1, 300 changes) 8 months ago
README.md [my,uk,lt] chore(i18n): sync translations 3 weeks ago

README.md
Escape

အချိန်စီးရီးခန့်မှန်းခြေမှုအကြောင်းအရာကျမ်း

အချိန်စီးရီးခန့်မှန်းခြေမှု ဆိုတာဘာလဲ? အဲ့ဟာက အတိတ်ကချက်များကို သုံးသပ်ပြီး အနာဂတ်ဖြစ်ရပ်များကို ခန့်မှန်းခြေတွက်ချက်ခြင်း ဖြစ်ပါတယ်။

ဒေသဆိုင်ရာ ခေါင်းစဥ်: တစ်ကမ္ဘာလုံး လျှပ်စစ်သုံးစွဲမှု ✨

ဒီနှစ်ခန်းစာမှာ သင်သည် အချိန်စီးရီးခန့်မှန်းခြေမှုနဲ့ အနည်းငယ်မှာသာလျှင်လေ့လာကြရသော သက်ဆိုင်ရာ စက်ရုပ်သင်ယူခြင်းနယ်ပယ်တစ်ခု ဖြစ်ပြီး လုပ်ငန်းအတွက် အလွန်有用သော နယ်ပယ်တစ်ခုအကြောင်း မိတ်ဆက်ပေးပါမည်။ နယူးရယ်ကွန်ယက်များကို မော်ဒယ်များ၏ အသုံးများမှုမှာ ပိုမိုကောင်းမွန်အောင် အသုံးပြုနိုင်သော်လည်း ကျွန်ုပ်တို့ကတော့ ဒီမော်ဒယ်များကို အတိတ်အခြေခံ၍ အနာဂတ်စွမ်းဆောင်ရည် ခန့်မှန်းခြေရာ Classical machine learning နယ်ပယ်မှာ လေ့လာသွားမှာ ဖြစ်ပါတယ်။

ကျွန်ုပ်တို့၏ ဒေသဆိုင်ရာ အာရုံစူးစိုက်မှုမှာ ကမ္ဘာအနှံ့ လျှပ်စစ်အသုံးပြုမှု၊ အလွန်စိတ်ဝင်စားဖွယ် Dataset သည် အတိတ်က ရောနှောခံထားသော နှုန်းထားများအပေါ် အခြေခံ၍ အနာဂတ် လျှပ်စစ်သုံးစွဲမှုကို ခန့်မှန်းနိုင်ခြင်း၊ လုပ်ငန်းပတ်ဝန်းကျင်၌ ဤကဲ့သို့သော ခန့်မှန်းခြေမှု ဘယ်လို အထောက်အကူဖြစ်ပေးနိုင်တယ်ဆိုတာကို မြင်တွေ့နိုင်ပါသည်။

electric grid

အဆိုပါ ဓါတ်ပုံကို Peddi Sai hrithik မှ ရိုက်ကူးထားပြီး Rajasthan တောင်ပေါ်လမ်းပေါ် လျှပ်စစ်မီးတိုင်များကို Unsplash တွင်လည်း တွေ့နိုင်ပါသည်။

ခန်းစာများ

  1. အချိန်စီးရီးခန့်မှန်းခြေမှုအကြောင်းအရာ
  2. ARIMA အချိန်စီးရီး မော်ဒယ်များ တည်ဆောက်ခြင်း
  3. အချိန်စီးရီးခန့်မှန်းခြေအတွက် Support Vector Regressor တည်ဆောက်ခြင်း

အကြောင်းအရာ ရေးသားမှု

"အချိန်စီးရီးခန့်မှန်းခြေမှုအကြောင်းအရာ" ကို ⚡️ ဖြင့် Francesca Lazzeri နှင့် Jen Looper တို့က ရေးသားခဲ့သည်။ သင်ကြားမှုများကို ပထမဆုံး အွန်လိုင်းတွင် Azure "Deep Learning For Time Series" repo တွင် Francesca Lazzeri မှ ရေးသားခဲ့ပါသည်။ SVR ခန်းစာကို Anirban Mukherjee မှ ရေးသားသည်။

ပြောကြားချက် ဤစာတမ်းကို AI ဘာသာပြန်ဝန်ဆောင်မှု Co-op Translator အသုံးပြု၍ ဘာသာပြန်ထားပါသည်။ ကျွန်ုပ်တို့သည် တိကျမှန်ကန်မှုအတွက် ကြိုးပမ်းနေသော်လည်း၊ စက်ကိရိယာဘာသာပြန်ခြင်းများတွင် အမှားများ သို့မဟုတ် မှားယွင်းချက်များ ပါဝင်နိုင်ကြောင်း သတိပြုပါရန် လိုအပ်ပါသည်။ မူလစာတမ်းကို မူရင်းဘာသာဖြင့်သာ ယုံကြည်စိတ်ချရသော အချက်အလက်အဖြစ် သတ်မှတ်သင့်သည်။ အရေးကြီးသည့် သတင်းအချက်အလက်များအတွက် ပရော်ဖက်ရှင်နယ် လူသားဘာသာပြန်သူဝန်ဆောင်မှုကို အကြံပြုပါသည်။ ဤဘာသာပြန်ချက်ကို အသုံးပြုခြင်းမှ ဖြစ်ပေါ်လာသော နားလည်မှုကွာခြားမှုများ သို့မဟုတ် မမှန်ကန်သော အသုံးပြုမှုများအတွက် ကျွန်ုပ်တို့ တာဝန်မခံပါ။