ML-For-Beginners/translations/tl/7-TimeSeries

Panimula sa pagtataya ng time series

Ano ang pagtataya ng time series? Ito ay tungkol sa paghulaan ng mga kaganapan sa hinaharap sa pamamagitan ng pagsusuri sa mga uso ng nakaraan.

Pambansang paksa: pandaigdigang paggamit ng kuryente ✨

Sa dalawang araling ito, ipakikilala sa iyo ang pagtataya ng time series, isang medyo hindi gaanong kilalang larangan ng machine learning na napakahalaga naman para sa industriya at mga aplikasyon sa negosyo, kasama na sa iba pang mga larangan. Habang maaaring gamitin ang mga neural networks upang mapahusay ang paggamit ng mga modelong ito, pag-aaralan natin ang mga ito sa konteksto ng klasikal na machine learning habang tinutulungan tayo ng mga modelo na hulaan ang hinaharap na performance base sa nakaraan.

Ang aming pokus sa rehiyon ay ang paggamit ng kuryente sa mundo, isang kawili-wiling dataset upang matutunan ang pagtataya ng hinaharap na paggamit ng kuryente base sa mga pattern ng nakaraan. Makikita mo kung paano ang ganitong uri ng pagtataya ay lubhang kapaki-pakinabang sa isang kapaligirang pang-negosyo.

Larawan mula kay Peddi Sai hrithik ng mga tore ng kuryente sa isang daan sa Rajasthan sa Unsplash

Mga Aralin

1. Panimula sa pagtataya ng time series
2. Pagbuo ng mga ARIMA time series na modelo
3. Pagbuo ng Support Vector Regressor para sa pagtataya ng time series

Mga Kredito

Ang "Panimula sa pagtataya ng time series" ay isinulat nang ⚡️ ni Francesca Lazzeri at Jen Looper. Ang mga notebook ay unang lumabas online sa Azure "Deep Learning For Time Series" repo na orihinal na isinulat ni Francesca Lazzeri. Ang aralin tungkol sa SVR ay isinulat ni Anirban Mukherjee

---

Pagtatanggi: Ang dokumentong ito ay isinalin gamit ang serbisyo ng AI translation na Co-op Translator. Bagama't nagsusumikap kami para sa katumpakan, pakatandaan na ang awtomatikong pagsasalin ay maaaring maglaman ng mga pagkakamali o hindi pagkakatugma. Ang orihinal na dokumento sa orihinal nitong wika ang dapat ituring na pangunahing sanggunian. Para sa mahahalagang impormasyon, inirerekomenda ang propesyonal na pagsasalin ng tao. Hindi kami mananagot sa anumang maling pagkakaintindi o maling interpretasyon na nagmula sa paggamit ng pagsasaling ito.