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/te/7-TimeSeries
localizeflow[bot] 2bc4085ea6
chore(i18n): sync translations with latest source changes (chunk 2/6, 473 changes)
2 weeks ago
..
1-Introduction chore(i18n): sync translations with latest source changes (chunk 2/6, 473 changes) 2 weeks ago
2-ARIMA chore(i18n): sync translations with latest source changes (chunk 2/6, 473 changes) 2 weeks ago
3-SVR chore(i18n): sync translations with latest source changes (chunk 2/6, 473 changes) 2 weeks ago
README.md chore(i18n): sync translations with latest source changes (chunk 2/6, 473 changes) 2 weeks ago

README.md

టైమ్ సిరీస్ ఫోర్కాస్టింగ్ పరిచయం

టైమ్ సిరీస్ ఫోర్కాస్టింగ్ అంటే ఏమిటి? ఇది గత ధోరణులను విశ్లేషించి భవిష్యత్తు సంఘటనలను అంచనా వేయడం.

ప్రాంతీయ విషయం: ప్రపంచవ్యాప్తంగా విద్యుత్ వినియోగం

ఈ రెండు పాఠాలలో, మీరు టైమ్ సిరీస్ ఫోర్కాస్టింగ్‌కు పరిచయం అవుతారు, ఇది యంత్ర అభ్యాసంలో కొంతమేరకు తక్కువగా తెలిసిన ప్రాంతం అయినప్పటికీ, పరిశ్రమ మరియు వ్యాపార అనువర్తనాల కోసం చాలా విలువైనది, ఇతర రంగాలతో పాటు. న్యూరల్ నెట్‌వర్క్‌లను ఈ మోడల్స్ యొక్క ఉపయోగకరతను పెంచడానికి ఉపయోగించవచ్చు, కానీ మేము వాటిని క్లాసికల్ యంత్ర అభ్యాసం సందర్భంలో అధ్యయనం చేస్తాము, ఎందుకంటే మోడల్స్ గత ఆధారంగా భవిష్యత్తు పనితీరును అంచనా వేయడంలో సహాయపడతాయి.

మా ప్రాంతీయ దృష్టి ప్రపంచంలో విద్యుత్ వినియోగం మీద ఉంది, ఇది గత లోడ్ నమూనాల ఆధారంగా భవిష్యత్తు విద్యుత్ వినియోగాన్ని అంచనా వేయడాన్ని నేర్చుకోవడానికి ఆసక్తికరమైన డేటాసెట్. ఈ రకమైన ఫోర్కాస్టింగ్ వ్యాపార వాతావరణంలో ఎంతగానో సహాయకరమవుతుందో మీరు చూడవచ్చు.

electric grid

ఫోటో Peddi Sai hrithik ద్వారా రాజస్థాన్‌లో రోడ్డుపై ఉన్న విద్యుత్ టవర్స్ యొక్క Unsplash

పాఠాలు

  1. టైమ్ సిరీస్ ఫోర్కాస్టింగ్ పరిచయం
  2. ARIMA టైమ్ సిరీస్ మోడల్స్ నిర్మాణం
  3. టైమ్ సిరీస్ ఫోర్కాస్టింగ్ కోసం సపోర్ట్ వెక్టర్ రిగ్రెసర్ నిర్మాణం

క్రెడిట్స్

"టైమ్ సిరీస్ ఫోర్కాస్టింగ్ పరిచయం" ను తో Francesca Lazzeri మరియు Jen Looper రచించారు. నోట్బుక్స్ మొదట ఆన్‌లైన్‌లో Azure "Deep Learning For Time Series" రిపో లో కనిపించాయి, ఇది మొదటగా Francesca Lazzeri ద్వారా రాయబడింది. SVR పాఠం Anirban Mukherjee ద్వారా రాయబడింది.


అస్పష్టత:
ఈ పత్రాన్ని AI అనువాద సేవ Co-op Translator ఉపయోగించి అనువదించబడింది. మేము ఖచ్చితత్వానికి ప్రయత్నించినప్పటికీ, ఆటోమేటెడ్ అనువాదాల్లో పొరపాట్లు లేదా తప్పిదాలు ఉండవచ్చు. మూల పత్రం దాని స్వదేశీ భాషలో అధికారిక మూలంగా పరిగణించాలి. ముఖ్యమైన సమాచారానికి, ప్రొఫెషనల్ మానవ అనువాదం సిఫార్సు చేయబడుతుంది. ఈ అనువాదం వలన కలిగే ఏవైనా అపార్థాలు లేదా తప్పుదారితీసే అర్థాలు కోసం మేము బాధ్యత వహించము.