4 اجتماع افتراضي لـ PyData بيرايوس: التنبؤ الحديث بالسلاسل الزمنية

مرحباً بالجميع، بعد فترة توقف طويلة، يسرنا أن نعلن عن عودة فصل بيرايوس في PyData مع **الاجتماع الافتراضي الرابع**! انضموا إلينا يوم **الجمعة، 19 سبتمبر** الساعة **7 مساءً**، في جلسة شيقة مع **فلاديمير-فاديم يوركوفسكي**، الذي سيعرض موضوع **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 والتأخير، بالإضافة إلى السمات التي تمثل الموسمية والاتجاهات. سنغطي أفضل الممارسات لتشفير المتغيرات الفئوية، وتحليل السلاسل الزمنية، وتحديد القيم الشاذة، وتجنب الأخطاء الشائعة مثل تسرب البيانات والتحيز المتعلق بالمعرفة المسبقة (look-ahead bias). بالإضافة إلى ذلك، سنلمس مواضيع أكثر تقدماً مثل التقطع (intermittency) والتنبؤ الهرمي (hierarchical forecasting). كما سيتعمق الاجتماع في طرق التحقق المتقاطع - تحديداً طرق الاختبار الخلفي (backtesting) المناسبة للبيانات الزمنية. سنفحص لماذا لا يناسب التحقق المتقاطع التقليدي (K-fold) البيانات المعتمدة على الزمن، وسنشير إلى الطرق البديلة مع مناقشة إيجابياتها وسلبياتها. وأخيراً، سنستعرض أفضل الممارسات لتقييم أداء النماذج. ويشمل ذلك نظرة شاملة على مقاييس الخطأ، وتحليل نقاط القوة والضعف لكل مقياس، والسياقات التي ينبغي استخدام كل مقياس فيها. **السيرة الذاتية:** فلاديمير هو عالم بيانات أولي كامل المكدس، يتمتع بخبرة واسعة في تعلم الآلة والإحصاءات والبرمجة وتكنولوجيات الحوسبة السحابية. تشمل اهتماماته البحثية التنبؤ، التسعير، ومعالجة اللغة الطبيعية (NLP)، وتعلم الآلة القابل للتفسير. خارج العمل، يستمتع بالسفر، وحل التحديات الخوارزمية على منصة LeetCode، وتعميق معرفته في أبحاث تعلم الآلة. LinkedIn: https://www.linkedin.com/in/vladimir-vadim-iurcovschi-6a8620163/ انضموا إلينا في الاجتماع يوم الجمعة، 19 سبتمبر، الساعة 7:00 مساءً! \- https://meet\.google\.com/swk\-zamj\-gkf نتطلع لرؤيتكم! فريق التنظيم