اللقاء الافتراضي الرابع لـ PyData بيرايوس: التنبؤ الحديث بالسلاسل الزمنية

مرحبًا بالجميع، بعد فترة توقف طويلة، يسرنا أن نعلن عن عودة فصل PyData بيرايوس 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 شكل جدولي، ونوضح كيفية إنشاء سمات النافذة 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 بالاستشراف المسبق. بالإضافة إلى ذلك، سنلمس مواضيع أكثر تقدمًا مثل التقطع والتنبؤ الهرمي. ستتعمق الجلسة أيضًا في أساليب التحقق المتقاطع - تحديدًا أساليب الاختبار الخلفي المناسبة للبيانات الزمنية. وسنفحص لماذا لا يناسب التحقق المتقاطع التقليدي (K-fold) المجموعات البيانات التابعة للزمن، وسنشير إلى الطرق البديلة مع مناقشة ميزاتها وعيوبها. وأخيرًا، سنستعرض أفضل الممارسات لتقييم أداء النموذج. ويتضمن ذلك نظرة شاملة على مقاييس الخطأ، مناقشة نقاط القوة والضعف فيها، والسياقات التي ينبغي استخدام كل مقياس فيها. **السيرة الذاتية:** فلاديمير هو عالم بيانات كبير يعمل على جميع طبقات النظام، ويمتلك خبرة واسعة في تعلم الآلة والإحصاءات والبرمجة وتكنولوجيا السحابة. تشمل اهتماماته البحثية التنبؤ والتسعير ومعالجة اللغة الطبيعية (NLP) وتعلم الآلة القابل للتفسير. خارج العمل، يستمتع بالسفر وحل التحديات الخوارزمية على منصة LeetCode، ويغوص أعمق 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