4 لقاء افتراضي لـ PyData بيرايوس: التنبؤ الحديث بالسلاسل الزمنية

مرحبًا بالجميع، بعد توقف طويل، يسرنا أن نعلن عن عودة فصل PyData بيرايوس مع **لقاء افتراضي رابع**! 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 تنسيق جدولي، ونوضح كيفية إنشاء سمات النوافذ والسمات المؤخرة، بالإضافة إلى السمات التي تلتقط الموسمية والاتجاهات. سنغطي أفضل الممارسات لترميز المتغيرات الفئوية، وتفكيك السلاسل الزمنية، وتحديد القيم الشاذة، وتجنب الأخطاء الشائعة مثل تسرب البيانات والتحيز المسبق. بالإضافة إلى ذلك، سنلمس موضوعات أكثر تقدمًا مثل التقطع والتنبؤ الهرمي. ستتعمق الجلسة أيضًا في طرق التحقق المتقاطع - تحديدًا طرق الاختبار الخلفي المناسبة لبيانات السلاسل الزمنية. سنفحص لماذا لا يناسب التحقق المتقاطع التقليدي (K-fold) مجموعات 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 القوة والضعف فيها، والسياقات التي يجب استخدام كل مقياس فيها. **السيرة الذاتية:** فلاديمير هو عالم بيانات خبير يعمل على جميع طبقات النظام (Full-Stack)، ويمتلك خبرة واسعة في تعلم الآلة 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، والانخراط أكثر في الأبحاث المتعلقة بتعلم الآلة. LinkedIn: https://www.linkedin.com/in/vladimir-vadim-iurcovschi-6a8620163/ انضموا إلينا في اللقاء الافتراضي يوم الجمعة، 19 سبتمبر، الساعة 7:00 مساءً! \- https://meet\.google\.com/swk\-zamj\-gkf نتطلع إلى رؤيتكم! فريق التنظيم