4 لقاء افتراضي لـ PyData بيرايوس: التنبؤ الحديث بالسلاسل الزمنية

مرحباً بالجميع، بعد استراحة طويلة، يسرنا أن نعلن عن عودة فصلية PyData بيرايوس مع **اللقاء الافتراضي الرابع**! انضموا إلينا يوم **الجمعة، 19 سبتمبر** الساعة **7 مساءً** في جلسة شيقة مع **فلاديمير-فاديم يوركوفسكي**، الذي سيقدم عرضاً 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 لتشفير المتغيرات الفئوية، وتحليل السلاسل الزمنية، وتحديد القيم الشاذة، وتجنب الأخطاء الشائعة مثل تسرب البيانات والتحيز المسبق. بالإضافة إلى ذلك، سنلمس موضوعات أكثر تقدماً مثل التقطع والتنبؤ الهرمي. كما ستنطلق الجلسة في أساليب التحقق المتقاطع - على وجه التحديد أساليب الاختبار الخلفي المناسبة لبيانات السلاسل الزمنية. سنفحص لماذا لا يناسب التحقق المتقاطع التقليدي (K-fold) مجموعات البيانات المعتمدة على الزمن، ونسلط الضوء على الأساليب البديلة مع مناقشة ميزاتها وعيوبها. وأخيراً، سنستعرض أفضل الممارسات لتقييم أداء النموذج. ويشمل ذلك نظرة شاملة على مقاييس الخطأ، ومناقشة نقاط قوتها وضعفها والسياقات التي ينبغي استخدام كل مقياس فيها. **السيرة الذاتية:** فلاديمير هو عالم بيانات أولي كامل المدى (Full-Stack) يتمتع بخبرة واسعة في تعلم الآلة والإحصاءات والبرمجة وتكنولوجيا 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 يوم الجمعة، 19 سبتمبر، الساعة 7:00 مساءً! \- https://meet\.google\.com/swk\-zamj\-gkf نتطلع إلى رؤيتكم! فريق التنظيم