4 PyData بيرايوس الافتراضية: التنبؤ الحديث بالسلاسل الزمنية

مرحبًا بالجميع، بعد فترة توقف طويلة، يسرنا أن نُعلن عن عودة فصل PyData بيرايوس مع **لقاء افتراضي رابع**! انضموا إلينا يوم **الجمعة، 19 سبتمبر** في تمام الساعة **7 مساءً** لجلسة 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 المتأخرة، بالإضافة إلى السمات التي تلتقط الموسمية والاتجاهات. سنغطي أفضل الممارسات لترميز المتغيرات الفئوية، وتحليل السلاسل الزمنية، وتحديد القيم الشاذة، وتجنب الأخطاء الشائعة مثل تسرب البيانات والتحيز القائم على المعرفة المسبقة. بالإضافة إلى ذلك، سنلمس موضوعات أكثر تقدمًا مثل التقطع والتنبؤ الهرمي. ستتعمق الجلسة أيضًا في أساليب التحقق المتقاطع - تحديدًا طرق الاختبار الخلفي المناسبة للبيانات الزمنية. سنفحص لماذا لا يصلح التحقق المتقاطع التقليدي K-fold للبيانات المعتمدة على الزمن، ونسلط الضوء على الأساليب 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 منها فيها. **السيرة الذاتية:** فلاديمير هو عالم بيانات كبير متعدد التخصصات، يتمتع بخبرة واسعة في تعلم الآلة والإحصاءات والبرمجة وتكنولوجيا الحوسبة السحابية. تشمل اهتماماته البحثية التنبؤ والتسعير ومعالجة اللغة الطبيعية (NLP) وتعلم الآلة القابل للتفسير. خارج العمل، يستمتع بالسفر وحل التحديات الخوارزمية على LeetCode، ويواصل الغوص في أبحاث تعلم 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