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.
ML-For-Beginners/translations/sw/7-TimeSeries
localizeflow[bot] b08221c6ab
[sw,hu,cs] 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 [sw,hu,cs] chore(i18n): sync translations 3 weeks ago

README.md

Utangulizi wa utabiri wa mfululizo wa wakati

Utabiri wa mfululizo wa wakati ni nini? Ni kuhusu kutabiri matukio ya baadaye kwa kuchambua mwelekeo wa yaliyopita.

Mada ya kikanda: matumizi ya umeme duniani kote ✨

Katika masomo haya mawili, utatambulishwa kwa utabiri wa mfululizo wa wakati, eneo ambalo linafahamika kidogo katika kujifunza mashine lakini ni muhimu sana kwa matumizi ya viwanda na biashara, miongoni mwa nyanja zingine. Wakati mitandao ya neva inaweza kutumika kuongeza ufanisi wa modeli hizi, tutaizunguza katika muktadha wa kujifunza mashine za jadi kwani modeli husaidia kutabiri utendaji wa baadaye kulingana na yaliyopita.

Mwelekeo wetu wa kikanda ni matumizi ya umeme duniani, seti ya data ya kuvutia kujifunza kuhusu utabiri wa matumizi ya nguvu za baadaye kulingana na mifumo ya mzigo wa zamani. Unaweza kuona jinsi aina hii ya utabiri inaweza kusaidia sana katika mazingira ya biashara.

electric grid

Picha na Peddi Sai hrithik ya minara ya umeme kwenye barabara huko Rajasthan kwenye Unsplash

Masomo

  1. Utangulizi wa utabiri wa mfululizo wa wakati
  2. Ujenzi wa modeli za ARIMA za mfululizo wa wakati
  3. Ujenzi wa Support Vector Regressor kwa utabiri wa mfululizo wa wakati

Mikopo

"Utangulizi wa utabiri wa mfululizo wa wakati" ulitengenezwa kwa ⚡️ na Francesca Lazzeri na Jen Looper. Vitabu vya kumbukumbu vilionekana mtandaoni katika hifadhidata ya Azure "Deep Learning For Time Series" iliyoandikwa awali na Francesca Lazzeri. Somo la SVR liliandikwa na Anirban Mukherjee


Kionyozo: Hati hii imetafsiriwa kwa kutumia huduma ya tafsiri ya AI Co-op Translator. Ingawa tunajitahidi kupata usahihi, tafadhali fahamu kwamba tafsiri za kiotomatiki zinaweza kuwa na makosa au upungufu wa usahihi. Hati ya asili katika lugha yake halisi inapaswa kuchukuliwa kama chanzo cha mamlaka. Kwa taarifa muhimu, tafsiri ya kitaalamu inayofanywa na binadamu inapendekezwa. Hatutojibu kwa kuelewa vibaya au tafsiri potofu zinazotokea kutokana na matumizi ya tafsiri hii.