4 لقاء افتراضي لـ PyData بيرايوس: التنبؤ الحديث بالسلاسل الزمنية

مرحبًا بالجميع، بعد فترة توقف طويلة، يسرنا أن نعلن عن عودة فصل بيرايوس في PyData مع **لقاءنا الافتراضي الرابع**! انضم 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 النافذة والسمات المؤجلة، بالإضافة إلى السمات التي تمثل الموسمية والاتجاهات. سنغطي أفضل الممارسات لترميز المتغيرات الفئوية، وتحليل السلاسل الزمنية، وتحديد القيم الشاذة، وتجنب الأخطاء الشائعة مثل تسرب البيانات والتحيز 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. وسنتناول لماذا لا يناسب التحقق المتقاطع التقليدي (K-fold) المجموعات البيانات التابعة للزمن، وسنشرح الطرق البديلة مع مناقشة مزاياها وعيوبها. وأخيرًا، سنراجع أفضل الممارسات لتقييم أداء النموذج. ويشمل ذلك نظرة شاملة على مقاييس الخطأ، ونقاش حول نقاط القوة والضعف فيها، والسياقات التي ينبغي استخدام كل مقياس فيها. **السيرة الذاتية:** فلاديمير هو عالم بيانات خبير متعدد التخصصات، يتمتع بخبرة واسعة في تعلم الآلة والإحصاءات والبرمجة وتكنولوجيات 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، وتعميق معرفته في أبحاث تعلم الآلة. LinkedIn: https://www.linkedin.com/in/vladimir-vadim-iurcovschi-6a8620163/ انضم إلينا في اللقاء يوم الجمعة، 19 سبتمبر، الساعة 7:00 مساءً! \- https://meet\.google\.com/swk\-zamj\-gkf نتطلع لرؤيتكم! فريق التنظيم