What is the translation of " TIME SERIES DATA " in Vietnamese?

• dữ liệu chuỗi thời gian
• time serial data

Examples of using Time series data in English and their translations into Vietnamese

This is time series data.
Cái này thường là time serial data.

Further Issues in Using OLS with Time Series Data.
Các vấn đề khác về sử dụng OLS với số liệu chuỗi thời gian.

However, with time series data, things get a bit more complex.
Tuy nhiên, với dữ liệu chuỗi thời gian, mọi thứ trở nên phức tạp hơn một chút.

Almost always this means time series data.
Cái này thường là time serial data.

Time series data are simply measurements or events that are tracked, monitored, downsampled, and aggregated over time..
Dữ liệu chuỗi thời gian chỉ đơn giản là các phép đo hoặc sự kiện được theo dõi, theo dõi, lấy mẫu và tổng hợp theo thời gian..

It is a type of time series data.
Nó là dạng time serial data.

As a result, MongoDB must be specifically configured to work with time series data.
Do đó, MongoDB phải được cấu hình cụ thể để hoạt động với dữ liệu chuỗi thời gian.

In the following scenarios, we can see that time series data is quite relatable to our everyday life.
Trong các trường hợp sau đây, chúng ta có thể thấy rằng dữ liệu chuỗi thời gian hoàn toàn phù hợp với cuộc sống hàng ngày của chúng ta.

Data Management should also facilitate the storage of time series data.
Quản lý dữ liệu cũng nên tạo điều kiện cho việc lưu trữ dữ liệu chuỗi thời gian.

Com, Amazon Forecast uses machine learning to combine time series data with additional variables to build forecasts.
Com, Amazon Forecast sử dụng machine learning để kết hợp dữ liệu chuỗi thời gian với biến bổ sung để xây dựng dự báo có độ chính xác cao.

Look into what causes high cardinality and why it's a common problem when dealing with time series data.
Hãy tìm hiểu các nguyên nhân gây ra high cardinality và tại sao nó lại là vấn đề phổ biến khi xử lý dữ liệu chuỗi thời gian.

In time series data we observe the values of one or more variables over a period of time(e.g., GDP for several quarters or years).
Trong dữ liệu theo chuỗi thời gian, ta quan sát giá trị của một hay nhiều biến trong một khoảng thời gian( ví dụ như GDP trong một vài quý hay vài năm).

Finally, they will need to write a visualization engine to display the time series data to the user.
Cuối cùng, họ sẽ cần phải viết một công cụ trực quan để hiển thị dữ liệu chuỗi thời gian cho người dùng.

These models are fitted to time series data either to better understand the data or to predict future points in the series..
Cả hai mô hình này đều phù hợp với dữ liệu chuỗi thời gian để hiểu rõ hơn về dữ liệu hoặc dự đoán các điểm trong tương lai của chuỗi( dự báo).

So now everything inside and outside the company is emitting a relentless stream of metrics and events or time series data.
Vì vậy, bây giờ, mọi thứ trong và ngoài công ty đang phát ra một luồng không ngừng các số liệu và sự kiện hoặc dữ liệu chuỗi thời gian.

In particular, time series data is composed of tags(key/value string pairs) and sequences of time-stamped numbers(the values being measured).
Cụ thể, dữ liệu chuỗi thời gian bao gồm các thẻ( cặp chuỗi khóa/ giá trị) và chuỗi các số được đóng dấu thời gian( là các giá trị được đo).

Because of both its generality and schema-less datastore design, MongoDB isn't able to take advantage of the highly structured nature of time series data.
Cả vì tính tổng quát của MongoDB và do thiết kế của nó là kho dữ liệu không có lược đồ, MongoDB không tận dụng tính chất cấu trúc cao của dữ liệu chuỗi thời gian.

Time series data is a sequence of data points, typically consisting of successive measurements made from the same source over a period of time..
Time- series Data: là một chuỗi các điểm dữ liệu, thường bao gồm các phép đo liên tiếp được thực hiện từ cùng một nguồn trong một khoảng thời gian.

Huang and Sun used a functional data analysis approach to construct test functions from the covariances in time series data between location pairs.
Huang và Sun đã sử dụng phương pháp phân tích dữ liệu chức năng để xây dựng các hàm kiểm tra từ các hiệp phương sai trong dữ liệu chuỗi thời gian giữa các cặp vị trí.

If you are working with a lot of time series data and using a relational database, one proven data structure for indexing data is the B-tree.
Nếu bạn đang làm việc với nhiều dữ liệu chuỗi thời gian và sử dụng cơ sở dữ liệu quan hệ, một cấu trúc dữ liệu để lập chỉ mục- B tree.

Both because of MongoDB's generality, and because of its design as a schema-less datastore, MongoDB does not take advantage of the highly-structured nature of time series data.
Cả vì tính tổng quát của MongoDB và do thiết kế của nó là kho dữ liệu không có lược đồ, MongoDB không tận dụng tính chất cấu trúc cao của dữ liệu chuỗi thời gian.

Motherbrain can learn from time series data to predict how a company will evolve in the future, based on the performance of companies with similar metrics.
Motherbrain có thể học được từ dữ liệu chuỗi thời gian để có thể dự đoán về tiềm năng trong tương lai của công ty, dựa trên thông tin của các công ty có số liệu tương tự.

The characteristics of this type of data are such that statistical and econometric techniques appropriate for their treatment have a specific nature, generally differentiated from those appropriate for time series data.
Các đặc điểm của loại dữ liệu này là các kỹ thuật thống kê và kinh tế học thích hợp cho việc xử lý của chúng có tính chất cụ thể, thường được phân biệt với các dữ liệu thích hợp cho dữ liệu chuỗi thời gian.

If you are working with a database, especially with time series data, then you have likely faced the challenge of handling high cardinality data..
Nếu bạn đang làm việc với cơ sở dữ liệu, đặc biệt là với dữ liệu chuỗi thời gian, thì bạn có thể phải đối mặt với những thách thức xử lý dữ liệu high cardinality.

Properties that make time series data very different than other data workloads are data lifecycle management, summarization, and large range scans of many records.
Các thuộc tính làm cho dữ liệu chuỗi thời gian rất khác so với các khối lượng công việc dữ liệu khác là quản lý vòng đời dữ liệu, tóm tắt và quét phạm vi lớn của nhiều bản ghi.

In 2009, Malkin& Miller's analysis of International Earth Rotation and Reference Systems Service(IERS) Pole coordinates time series data from January 1946 to January 2009 showed three phase reversals of the wobble, in 1850, 1920, and 2005.[1].
Vào năm 2009, phân tích của Malkin& Miller về Cục Hệ thống Tham chiếu và Xoay Trái đất Quốc tế( IERS) Dữ liệu chuỗi thời gian tọa độ cực từ tháng 1 năm 1946 đến tháng 1 năm 2009 cho thấy ba lần đảo ngược pha, vào năm 1850, 1920 và 2005.[ 1].

At the same time, the time series data are not revised retroactively, and any changes to the methodology are introduced incrementally in order to ensure the comparability of the ratings from year to year."[1].
Đồng thời, dữ liệu chuỗi thời gian không được sửa đổi trở về trước và bất kỳ thay đổi nào đối với phương pháp luận đều được áp dụng tăng dần để đảm bảo tính so sánh của các xếp hạng từ năm này sang năm khác."[ 1].

For example, in a time series problem, the data might change over time..
Ví dụ: trong một vấn đề về chuỗi thời gian, dữ liệu có thể thay đổi theo thời gian..