4 PyData بيرايوس الافتراضي: التنبؤ الحديث بسلاسل الزمن

مرحبًا بالجميع، بعد توقف طويل، يسرنا أن نعلن عن عودة فصل بيرايوس لـPyData مع لقائنا الافتراضي الرابع! انضموا إلينا يوم الجمعة، 19 سبتمبر، الساعة 7 مساءً، في جلسة شيقة مع فلاديمير-فاديم يوركوفسكي، الذي سيقدم عرضًا حول التنبؤ الحديث بسلاسل الزمن! **الملخص:** في هذا البرنامج التعليمي، سنستعرض مجموعة من تقنيات هندسة السمات للتنبؤ بسلاسل الزمن باستخدام خوارزميات تعلم الآلة الشهيرة مثل XGBoost وLightGBM وCatBoost. سنبدأ بتحويل بيانات السلاسل الزمنية إلى تنسيق جدولي ونوضح كيفية إنشاء ميزات النافذة والتراجع، بالإضافة إلى الميزات التي تلتقط 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. كما ستتعمق الجلسة في أساليب التحقق المتقاطع - تحديدًا أساليب الاختبار الخلفي المناسبة لبيانات السلاسل الزمنية. سنفحص لماذا لا يناسب التحقق المتقاطع التقليدي (K-fold) مجموعات البيانات المعتمدة على الزمن، وسنسلط الضوء على الأساليب البديلة مع مناقشة إيجابياتها وسلبياتها. وأخيرًا، سنستعرض أفضل الممارسات لتقييم أداء النموذج. ويشمل ذلك نظرة شاملة على مقاييس الخطأ، ومناقشة نقاط القوة والضعف لكل منها والسياقات التي ينبغي استخدام كل مقياس فيها. **السيرة الذاتية:** فلاديمير هو عالم بيانات أولي كامل المدى، 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، والانخراط أكثر 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