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/sl/7-TimeSeries
History
localizeflow[bot] b7c2a4a7f1
[sr,hr,sl] 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 [sr,hr,sl] chore(i18n): sync translations 3 weeks ago

README.md
Escape

Uvod v napovedovanje časovnih serij

Kaj je napovedovanje časovnih serij? Gre za napovedovanje prihodnjih dogodkov z analizo trendov iz preteklosti.

Regionalna tema: svetovna poraba elektrike ✨

V teh dveh lekcijah boste spoznali napovedovanje časovnih serij, nekoliko manj znano področje strojnega učenja, ki pa je izjemno dragoceno za industrijske in poslovne aplikacije ter druga področja. Medtem ko lahko nevronske mreže izboljšajo uporabnost teh modelov, jih bomo študirali v okviru klasičnega strojnega učenja, saj modeli pomagajo napovedovati prihodnje rezultate na osnovi preteklosti.

Naše regionalno osredotočenje je električna poraba na svetu, zanimiv niz podatkov za učenje o napovedovanju prihodnje porabe električne energije na podlagi vzorcev pretekle obremenitve. Lahko vidite, kako je takšno napovedovanje izjemno koristno v poslovnem okolju.

electric grid

Fotografija Peddi Sai hrithik električnih stolpov ob cesti v Radžastanu na Unsplash

Lekcije

  1. Uvod v napovedovanje časovnih serij
  2. Gradnja ARIMA modelov za časovne serije
  3. Gradnja podpornika vektorske regresije za napovedovanje časovnih serij

Zahvale

"Uvod v napovedovanje časovnih serij" sta napisali ⚡️ Francesca Lazzeri in Jen Looper. Zvezki so se prvič pojavili na spletu v Azure "Deep Learning For Time Series" repozitoriju, ki ga je prvotno napisala Francesca Lazzeri. Lekcijo o SVR je napisal Anirban Mukherjee

Omejitev odgovornosti: Ta dokument je bil preveden z uporabo AI prevajalske storitve Co-op Translator. Čeprav si prizadevamo za natančnost, vas prosimo, da upoštevate, da avtomatizirani prevodi lahko vsebujejo napake ali netočnosti. Izvirni dokument v njegovem izvirnem jeziku je treba obravnavati kot avtoritativni vir. Za kritične informacije je priporočljiv strokovni človeški prevod. Ne odgovarjamo za morebitna nesporazume ali napačne interpretacije, ki izhajajo iz uporabe tega prevoda.