4 PyData Piraeus الافتراضية: التنبؤ الحديث بسلاسل الزمن

مرحبًا بالجميع، بعد توقف طويل، يسرنا أن نعلن عن عودة فصل PyData Piraeus مع لقائنا الافتراضي الرابع! انضموا إلينا يوم الجمعة، 19 سبتمبر، الساعة 7 مساءً، في جلسة شيقة مع فلاديمير-فاديم يوركوفسكي، الذي سيقدم عرضًا حول التنبؤ الحديث بسلاسل الزمن! **الملخص:** في هذا البرنامج التعليمي، سنستعرض مجموعة من تقنيات هندسة السمات للتنبؤ بسلاسل الزمن باستخدام خوارزميات تعلم الآلة الشهيرة مثل XGBoost وLightGBM وCatBoost. سنبدأ بتحويل بيانات السلاسل الزمنية إلى تنسيق جدولي، ونوضح كيفية إنشاء ميزات النوافذ والتراجع، بالإضافة إلى الميزات التي تلتقط الموسمية والاتجاهات. سنغطي أفضل الممارسات لترميز المتغيرات الفئوية، وتحليل السلاسل الزمنية، وتحديد القيم الشاذة، وتجنب الأخطاء الشائعة مثل تسرب البيانات والتحيز المتعلق بالمعرفة المسبقة. بالإضافة إلى ذلك، سنلمس موضوعات أكثر تقدمًا مثل التقطع والتنبؤ الهرمي. ستتعمق الجلسة أيضًا في أساليب التحقق المتقاطع، تحديدًا أساليب الاختبار الخلفي المناسبة لبيانات السلاسل الزمنية. وسنفحص لماذا لا يناسب التحقق المتقاطع التقليدي (K-fold) مجموعات البيانات المعتمدة على الزمن، ونسلط الضوء على الأساليب البديلة مع مناقشة ميزاتها وعيوبها. وأخيرًا، سنستعرض أفضل الممارسات لتقييم أداء النموذج. ويشمل ذلك نظرة شاملة على مقاييس الخطأ، ومناقشة نقاط قوتها وضعفها والسياقات التي ينبغي استخدام كل مقياس فيها. **السيرة الذاتية:** فلاديمير هو عالم بيانات أولي متعدد التخصصات، يتمتع بخبرة واسعة في تعلم الآلة والإحصاءات والبرمجة وتكنولوجيا الحوسبة السحابية. تشمل اهتماماته البحثية التنبؤ بالتسعير، ومعالجة اللغة الطبيعية (NLP)، وتعلم الآلة القابل للتفسير. خارج العمل، يستمتع بالسفر، وحل التحديات الخوارزمية على LeetCode، والانخراط أكثر في أبحاث تعلم الآلة. LinkedIn: https://www.linkedin.com/in/vladimir-vadim-iurcovschi-6a8620163/ انضموا إلينا في اللقاء يوم الجمعة، 19 سبتمبر، الساعة 7:00 مساءً! \- https://meet\.google\.com/swk\-zamj\-gkf نتطلع لرؤيتكم! فريق التنظيم