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/no/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

Introduksjon til tidsserieprognoser

Hva er tidsserieprognoser? Det handler om å forutsi fremtidige hendelser ved å analysere trender fra fortiden.

Regionalt tema: globalt strømforbruk ✨

I disse to leksjonene vil du bli introdusert for tidsserieprognoser, et noe mindre kjent område innen maskinlæring som likevel er ekstremt verdifullt for industri- og forretningsapplikasjoner, blant andre felt. Selv om nevrale nettverk kan brukes for å forbedre nytten av disse modellene, vil vi studere dem i konteksten av klassisk maskinlæring ettersom modeller hjelper med å forutsi fremtidig ytelse basert på fortiden.

Vårt regionale fokus er strømforbruk i verden, et interessant datasett å lære om prognoser for fremtidig strømbruk basert på mønstre i tidligere belastning. Du kan se hvordan denne typen prognoser kan være svært nyttig i et forretningsmiljø.

electric grid

Foto av Peddi Sai hrithik av elektriske tårn langs en vei i Rajasthan på Unsplash

Leksjoner

  1. Introduksjon til tidsserieprognoser
  2. Bygge ARIMA tidsseriemodeller
  3. Bygge Support Vector Regressor for tidsserieprognoser

Kreditering

"Introduksjon til tidsserieprognoser" ble skrevet med ⚡️ av Francesca Lazzeri og Jen Looper. Notatbøkene dukket først opp på nettet i Azure "Deep Learning For Time Series" repo opprinnelig skrevet av Francesca Lazzeri. SVR-leksjonen ble skrevet av Anirban Mukherjee

Ansvarsfraskrivelse: Dette dokumentet er oversatt ved hjelp av AI-oversettelsestjenesten Co-op Translator. Selv om vi streber etter nøyaktighet, vær oppmerksom på at automatiske oversettelser kan inneholde feil eller unøyaktigheter. Det opprinnelige dokumentet på originalspråket skal betraktes som den autoritative kilden. For kritisk informasjon anbefales profesjonell menneskelig oversettelse. Vi er ikke ansvarlige for eventuelle misforståelser eller feiltolkninger som oppstår ved bruk av denne oversettelsen.