4 Virtual PyData Piraeus meetup: Modern Time Series Forecasting

مرحبًا بالجميع، بعد استراحة طويلة، يسرنا أن نعلن عن عودة فصل PyData Piraeus مع لقائنا الافتراضي الرابع! انضم إلينا يوم الجمعة، 19 سبتمبر، الساعة 7 مساءً، في جلسة شيقة مع فلاديمير-فاديم يوركوفسكي، الذي سيقدم عرضًا حول التنبؤ الحديث بمتسلسلات الوقت! **الملخص:** في هذا البرنامج التعليمي، سنستعرض مجموعة من تقنيات هندسة السمات للتنبؤ بمتسلسلات الوقت باستخدام خوارزميات تعلم الآلة الشهيرة مثل XGBoost وLightGBM وCatBoost. سنبدأ بتحويل بيانات المتسلسلة الزمنية إلى تنسيق جدولي ونوضح كيفية إنشاء ميزات النافذة والتأخير، بالإضافة إلى الميزات التي تلتقط الموسمية والاتجاهات. سنغطي أفضل الممارسات لتشفير المتغيرات الفئوية، وتحليل تفكيك المتسلسلة الزمنية، وتحديد القيم الشاذة، وتجنب الأخطاء الشائعة مثل تسرب البيانات والتحيز القائم على المعرفة المسبقة. بالإضافة إلى ذلك، سنناقش موضوعات أكثر تقدمًا مثل التقطع والتنبؤ الهرمي. كما ستتعمق الجلسة في أساليب التحقق المتقاطع - تحديدًا أساليب الاختبار الخلفي المناسبة لبيانات المتسلسلات الزمنية. وسنتناول لماذا لا يصلح التحقق المتقاطع التقليدي (K-fold) لمجموعات البيانات المعتمدة على الزمن، وسنسليط الضوء على الأساليب البديلة مع مناقشة إيجابياتها وسلبياتها. وأخيرًا، سنراجع أفضل الممارسات لتقييم أداء النموذج. ويشمل ذلك نظرة شاملة على مقاييس الخطأ، ومناقشة نقاط القوة والضعف فيها والسياقات التي ينبغي استخدام كل مقياس فيها. **السيرة الذاتية:** فلاديمير هو عالم بيانات أولي متعدد المهارات يتمتع بخبرة واسعة في تعلم الآلة والإحصاءات والبرمجة وتكنولوجيا الحوسبة السحابية. تشمل اهتماماته البحثية التنبؤ بالتسعير، 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/ انضم إلينا في اللقاء يوم الجمعة، 19 سبتمبر، الساعة 7:00 مساءً! \- https://meet\.google\.com/swk\-zamj\-gkf نتطلع لرؤيتكم! فريق التنظيم