4 اجتماع افتراضي لـ PyData بيرايوس: التنبؤ الحديث بالسلاسل الزمنية

مرحباً بالجميع، بعد توقف طويل، يسرنا أن نعلن عن عودة فصل بيرايوس في PyData مع **الاجتماع الافتراضي الرابع**! 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 شائعة في التعلم الآلي مثل XGBoost وLightGBM وCatBoost. سنبدأ بتحويل بيانات السلسلة الزمنية إلى تنسيق جدولي، ونوضح كيفية إنشاء ميزات النافذة والتأخير، بالإضافة إلى الميزات التي تعكس الموسمية والاتجاهات. سنغطي أفضل الممارسات الخاصة بتشفير المتغيرات الفئوية، وتحليل السلاسل الزمنية، وتحديد القيم الشاذة، وتجنب الأخطاء الشائعة مثل تسرب البيانات والتحيز الاستباقي. بالإضافة إلى ذلك، سنلمس مواضيع أكثر تقدماً مثل التقطع والتوقعات الهرمية. كما ستتناول الجلسة طرق التحقق المتقاطع - تحديداً أساليب الاختبار الخلفي المناسبة للبيانات الزمنية. وسنستعرض لماذا لا يصلح التحقق المتقاطع التقليدي ذو الطيات K لمجموعات البيانات المعتمدة على الزمن، ونسلط الضوء على الطرق البديلة مع مناقشة إيجابياتها وسلبياتها. وأخيراً، سنراجع أفضل الممارسات لتقييم أداء النموذج. ويشمل ذلك نظرة شاملة على مقاييس الخطأ، ومناقشة نقاط القوة والضعف فيها والسياقات التي ينبغي استخدام كل منها فيها. **السيرة الذاتية:** فلاديمير هو عالم بيانات أولي متعدد المهارات يتمتع بخبرة واسعة في مجالات التعلم الآلي والإحصاء والبرمجة وتكنولوجيا الحوسبة السحابية. وتشمل اهتماماته البحثية التنبؤ بالتسعير، ومعالجة اللغة الطبيعية (NLP)، والتعلم الآلي القابل للتفسير. وفي خارج العمل، يستمتع بالسفر، وحل التحديات الخوارزمية على LeetCode، والغوص أعمق في الأبحاث المتعلقة بالتعلم الآلي. LinkedIn: https://www.linkedin.com/in/vladimir-vadim-iurcovschi-6a8620163/ انضموا إلينا في الاجتماع يوم الجمعة، 19 سبتمبر، الساعة 7:00 مساءً! \- https://meet\.google\.com/swk\-zamj\-gkf نتطلع لرؤيتكم! فريق التنظيم