4 لقاء افتراضي لـ PyData بيرايوس: التنبؤ الحديث بمتسلسلات الوقت

مرحبًا بالجميع، بعد توقف طويل، يسرنا أن نعلن عن عودة فصل بيرايوس في PyData مع **اللقاء الافتراضي الرابع**! انضم إلينا يوم **الجمعة، 19 سبتمبر** الساعة **7 مساءً** في جلسة شيقة مع **فلاديمير-فاديم يوركوفسكي**، الذي سيقدم عرضًا حول **التنبؤ الحديث بمتسلسلات الوقت**! **الملخص:** في هذا البرنامج التعليمي، سنستعرض مجموعة من تقنيات هندسة السمات للتنبؤ بمتسلسلات الوقت باستخدام خوارزميات تعلم الآلة الشهيرة مثل XGBoost وLightGBM وCatBoost. سنبدأ بتحويل بيانات المتسلسلة الزمنية إلى تنسيق جدولي ونوضح كيفية إنشاء سمات النافذة والسمات المؤجلة، بالإضافة إلى السمات التي تلتقط الموسمية والاتجاهات. وسنتناول أفضل الممارسات لترميز المتغيرات الفئوية، وتحليل تفكيك المتسلسلة الزمنية، وتحديد القيم الشاذة، وتجنب الأخطاء الشائعة مثل تسرب البيانات والتحيز المتعلق بالمعرفة المسبقة. بالإضافة إلى ذلك، سنلمس مواضيع أكثر تقدمًا مثل التقطع والتنبؤ الهرمي. كما ستتعمق الجلسة في أساليب التحقق المتقاطع - على وجه التحديد أساليب الاختبار الخلفي المناسبة لبيانات المتسلسلات الزمنية. وسنفحص لماذا لا يناسب التحقق المتقاطع التقليدي باستخدام K-fold 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 منها فيها. **السيرة الذاتية:** فلاديمير هو عالم بيانات أولي متعدد التخصصات، يتمتع بخبرة واسعة في تعلم الآلة والإحصاءات والبرمجة وتكنولوجيات الحوسبة السحابية. تشمل اهتماماته البحثية التنبؤ بالتسعير، ومعالجة اللغة الطبيعية (NLP)، والتعلم الآلي القابل للتفسير. خارج العمل، يستمتع بالسفر وحل التحديات الخوارزمية على LeetCode، ويغوص أكثر في الأبحاث المتعلقة بتعلم الآلة. LinkedIn: https://www.linkedin.com/in/vladimir-vadim-iurcovschi-6a8620163/ انضم إلينا في اللقاء الافتراضي يوم الجمعة، 19 سبتمبر، الساعة 7:00 مساءً! \- https://meet\.google\.com/swk\-zamj\-gkf نتطلع لرؤيتكم! فريق التنظيم