4 اجتماع افتراضي لـ PyData بيرايوس: التنبؤ الحديث بالمتسلسلات الزمنية

مرحبًا بالجميع، بعد فترة توقف طويلة، يسرنا أن نعلن عن عودة فصل بيرايوس في PyData مع **الاجتماع الافتراضي الرابع**! انضموا إلينا يوم **الجمعة، 19 سبتمبر** على الساعة **7 مساءً** في جلسة شيقة مع **فلاديمير-فاديم يوركوفسكي**، الذي سيقدم عرضًا حول **التنبؤ الحديث بالمتسلسلات الزمنية**! **الملخص:** في هذا البرنامج التعليمي، سنستعرض مجموعة من تقنيات هندسة السمات للتنبؤ بالمتسلسلات الزمنية باستخدام خوارزميات شائعة في التعلم الآلي مثل XGBoost وLightGBM وCatBoost. سنبدأ بتحويل بيانات المتسلسلة الزمنية إلى تنسيق جدولي، ونوضح كيفية إنشاء ميزات النافذة والتأخير، بالإضافة إلى الميزات التي تمثل الموسمية والاتجاهات. سنغطي أفضل الممارسات لتشفير المتغيرات الفئوية، وتحليل المتسلسلات الزمنية، وتحديد القيم الشاذة، وتجنب الأخطاء الشائعة مثل تسرب البيانات والتحيز القائم على المعرفة المسبقة. كما سنلمس مواضيع متقدمة أكثر مثل التقطع والتنبؤ الهرمي. كما سيتطرق اللقاء إلى طرق التحقق المتقاطع - تحديدًا طرق الاختبار الخلفي المناسبة لبيانات المتسلسلات الزمنية. وسنفحص لماذا لا يناسب التحقق المتقاطع التقليدي (K-fold) البيانات المعتمدة على الزمن، وسنشير إلى الطرق البديلة مع مناقشة مزاياها وعيوبها. وأخيرًا، سنستعرض أفضل الممارسات لتقييم أداء النموذج. ويشمل ذلك نظرة شاملة على مقاييس الخطأ، ومناقشة نقاط قوتها وضعفها والسياقات التي ينبغي استخدام كل مقياس فيها. **السيرة الذاتية:** فلاديمير هو عالم بيانات أولي كامل المهارة يتمتع بخبرة واسعة في التعلم الآلي والإحصاء 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، والغوص في الأبحاث المتعلقة بالتعلم الآلي. 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 إلى رؤيتكم! فريق التنظيم