4 اجتماع افتراضي لـ PyData بيرايوس: التنبؤ الحديث بالسلاسل الزمنية

مرحباً بالجميع، بعد توقف طويل، 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 النافذة والسمات المؤجلة، بالإضافة إلى السمات التي تلتقط العناصر الموسمية والاتجاهات. وسنغطي 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 مواضيع أكثر تقدماً مثل التقطع والتنبؤ الهرمي. كما سينتقل اللقاء إلى مناقشة أساليب التحقق المتقاطع - وبشكل خاص أساليب الاختبار الخلفي المناسبة للبيانات الزمنية. وسنتناول لماذا لا يناسب التحقق المتقاطع التقليدي (K-fold) المجموعات البيانات التي تعتمد على الزمن، ونسلط الضوء على الطرق البديلة مع مناقشة مزاياها وعيوبها. وأخيراً، سنستعرض أفضل الممارسات لتقييم أداء النموذج. ويشمل 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 متعدد التخصصات، يتمتع بخبرة واسعة في تعلم الآلة والإحصاءات والبرمجة وتكنولوجيا السحابة. تشمل اهتماماته البحثية التنبؤ بالتسعير، ومعالجة اللغة الطبيعية (NLP)، والتعلم الآلي القابل للتفسير. خارج العمل، يستمتع بالسفر وحل التحديات الخوارزمية على منصة LeetCode، ويغوص أكثر 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