اللقاء الافتراضي الرابع لـ PyData Piraeus: التنبؤ الحديث بالسلاسل الزمنية

مرحبًا بالجميع، بعد فترة توقف طويلة، يسرنا أن نعلن عن عودة فصل PyData بيراي مع لقاءنا الافتراضي الرابع! انضموا إلينا يوم الجمعة، 19 سبتمبر، الساعة 7 مساءً، في جلسة شيقة مع فلاديمير-فاديم يوركوفسكي، الذي سيقدم عرضًا حول التنبؤ الحديث بالسلاسل الزمنية! **الملخص:** في هذا البرنامج التعليمي، سنستعرض مجموعة من تقنيات هندسة السمات للتنبؤ بالسلاسل الزمنية باستخدام خوارزميات تعلم الآلة الشهيرة مثل XGBoost وLightGBM وCatBoost. سنبدأ بتحويل بيانات السلاسل الزمنية إلى تنسيق جدولي، ونوضح كيفية إنشاء سمات النوافذ والسمات المتأخرة، بالإضافة إلى السمات التي تلتقط الموسمية والاتجاهات. سنغطي أفضل الممارسات لترميز المتغيرات الفئوية، وتحليل السلاسل الزمنية، وتحديد القيم الشاذة، وتجنب الأخطاء الشائعة مثل تسرب البيانات والتحيز المتعلق بالرؤية المسبقة. بالإضافة إلى ذلك، سنلمس مواضيع أكثر تقدمًا مثل التقطع والتنبؤ الهرمي. كما ستتعمق الجلسة في طرق التحقق المتقاطع - تحديدًا طرق الاختبار الخلفي المناسبة لبيانات السلاسل الزمنية. سنفحص لماذا لا يناسب التحقق المتقاطع التقليدي (K-fold) مجموعات البيانات المعتمدة على الزمن، وسنشير إلى الطرق البديلة مع مناقشة إيجابياتها وسلبياتها. وأخيرًا، سنستعرض أفضل الممارسات لتقييم أداء النموذج. ويشمل ذلك نظرة شاملة على مقاييس الخطأ، مناقشة نقاط القوة والضعف فيها، والسياقات التي يجب استخدام كل مقياس فيها. **السيرة الذاتية:** فلاديمير هو عالم بيانات أولي كامل المجموعة، يتمتع بخبرة واسعة في تعلم الآلة والإحصاء والبرمجة وتكنولوجيا الحوسبة السحابية. تشمل اهتماماته البحثية التنبؤ، وتحديد الأسعار، ومعالجة اللغة الطبيعية (NLP)، وتعلم الآلة القابل للتفسير. خارج العمل، يستمتع بالسفر، وحل التحديات الخوارزمية على LeetCode، والتعمق أكثر في الأبحاث المتعلقة بتعلم 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