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 '7b1e824062'
${ noResults }
ML-For-Beginners/translations/my/7-TimeSeries
History
leestott 98900475bd
🌐 Update translations via Co-op Translator 		1 month ago
..
1-Introduction 🌐 Update translations via Co-op Translator 1 month ago
2-ARIMA 🌐 Update translations via Co-op Translator 1 month ago
3-SVR 🌐 Update translations via Co-op Translator 1 month ago
README.md 🌐 Update translations via Co-op Translator 1 month ago

README.md
Escape

အချိန်စီးရီးခန့်မှန်းခြေကို မိတ်ဆက်ခြင်း

အချိန်စီးရီးခန့်မှန်းခြင်းဆိုတာဘာလဲ? အတိတ်တွင်ဖြစ်ပျက်ခဲ့သည့် လမ်းကြောင်းများကို ချဉ်းကပ်လေ့လာပြီး အနာဂတ်ဖြစ်ရပ်များကို ခန့်မှန်းခြင်းဖြစ်သည်။

ဒေသဆိုင်ရာ ခေါင်းစဉ်: ကမ္ဘာတစ်ဝှမ်း လျှပ်စစ်သုံးစွဲမှု ✨

ဒီသင်ခန်းစာနှစ်ခုအတွင်းမှာ သင်သည် အချိန်စီးရီးခန့်မှန်းခြင်းကို မိတ်ဆက်ပေးမည်ဖြစ်ပြီး၊ ၎င်းသည် စက်မှုလုပ်ငန်းနှင့် စီးပွားရေးလောကအတွက် အလွန်အရေးကြီးသော်လည်း အများအားဖြင့် နည်းနည်းမိတ်ဆက်ထားသော စက်မှုလေ့လာမှုဧရိယာတစ်ခုဖြစ်သည်။ နယူးရယ်နက်ဝက်များကို ဒီမော်ဒယ်များ၏ အသုံးဝင်မှုကို တိုးတက်စေရန် အသုံးပြုနိုင်သော်လည်း၊ ကျွန်ုပ်တို့သည် ၎င်းတို့ကို ရိုးရာစက်မှုလေ့လာမှုအတွင်း လေ့လာသွားမည်ဖြစ်ပြီး၊ အတိတ်အခြေခံ၍ အနာဂတ်ဆောင်ရွက်မှုကို ခန့်မှန်းရန် မော်ဒယ်များက ကူညီပေးသည်။

ကျွန်ုပ်တို့၏ ဒေသဆိုင်ရာ အာရုံစိုက်မှုမှာ ကမ္ဘာတစ်ဝှမ်း လျှပ်စစ်သုံးစွဲမှုဖြစ်ပြီး၊ အတိတ်အလားအလာများအပေါ် အခြေခံ၍ အနာဂတ် လျှပ်စစ်သုံးစွဲမှုကို ခန့်မှန်းရန် သင်ယူရန် စိတ်ဝင်စားဖွယ် ဒေတာအစုတစ်ခုဖြစ်သည်။ ဒီလိုခန့်မှန်းမှုဟာ စီးပွားရေးပတ်ဝန်းကျင်မှာ အလွန်အသုံးဝင်နိုင်ပုံကို သင်မြင်နိုင်ပါမည်။

electric grid

ဓာတ်ပုံ - Peddi Sai hrithik မှ Rajasthan တွင် လမ်းပေါ်ရှိ လျှပ်စစ်အင်အားမြှင့်စက်များ၏ ဓာတ်ပုံကို Unsplash တွင် ရိုက်ထားသည်။

သင်ခန်းစာများ

  1. အချိန်စီးရီးခန့်မှန်းခြင်းကို မိတ်ဆက်ခြင်း
  2. ARIMA အချိန်စီးရီးမော်ဒယ်များ တည်ဆောက်ခြင်း
  3. အချိန်စီးရီးခန့်မှန်းရန် Support Vector Regressor တည်ဆောက်ခြင်း

အားကျေးဇူးတင်စကား

"အချိန်စီးရီးခန့်မှန်းခြင်းကို မိတ်ဆက်ခြင်း" ကို ⚡️ ဖြင့် Francesca Lazzeri နှင့် Jen Looper တို့က ရေးသားခဲ့သည်။ ဒီနိုက်ဘွတ်များကို ပထမဆုံး Azure "Deep Learning For Time Series" repo တွင် Francesca Lazzeri မှ ရေးသားခဲ့သည်။ SVR သင်ခန်းစာကို Anirban Mukherjee မှ ရေးသားခဲ့သည်။

ဝက်ဘ်ဆိုက်မှတ်ချက်:
ဤစာရွက်စာတမ်းကို AI ဘာသာပြန်ဝန်ဆောင်မှု Co-op Translator ကို အသုံးပြု၍ ဘာသာပြန်ထားပါသည်။ ကျွန်ုပ်တို့သည် တိကျမှန်ကန်မှုအတွက် ကြိုးစားနေပါသော်လည်း၊ အလိုအလျောက်ဘာသာပြန်ဆိုမှုများတွင် အမှားများ သို့မဟုတ် မတိကျမှုများ ပါဝင်နိုင်သည်ကို ကျေးဇူးပြု၍ သတိပြုပါ။ မူရင်းဘာသာစကားဖြင့် ရေးသားထားသော စာရွက်စာတမ်းကို အတည်ပြုရမည့် အရင်းအမြစ်အဖြစ် သတ်မှတ်ပါ။ အရေးကြီးသော အချက်အလက်များအတွက် လူက ဘာသာပြန်ဆိုမှုကို အကြံပြုပါသည်။ ဤဘာသာပြန်ကို အသုံးပြုခြင်းမှ ဖြစ်ပေါ်လာသည့် အလွဲအချော်များ သို့မဟုတ် အနားလွဲမှုများအတွက် ကျွန်ုပ်တို့သည် တာဝန်မယူပါ။