نادرًا ما نحصل على بيانات كاملة، فما نجده غالبًا هو قِطعة منها أو عينة 🍰
لكن الخبر السار أنه يمكننا اختيار هذه العينة بعناية، بحيث تمثل عالمنا وتحقق أهدافنا 🎯
في مقالتنا الأولى، حنتكلم عن أخذ العينات في الإحصاء، وأساليبه، مع أمثلة تطبيقة بالبايثون 📝 :
link.medium.com/W7Rb6DUXaxb
📢 فرصة للانضمام لفريق باي داتا جدة: إذا كنت مهتم في مجال علم البيانات وودك تترك أثر ايجابي على المجتمع بنشر العلم وتطوير مهارات الجيل القادم من علماء البيانات في جدة، عبي هذا الفورم قبل نهاية يوم ٣٠ يونيو: docs.google.com/forms/d/e/1F…
الحمد لله أنهينا يوم السبت لقائنا المثري مع @eyadsibai واللي كان بعنوان: "أنابيب تعلم الآلة باستخدام pandas و scikit-learn"
شكراً لكم ، أبهرتمونا بجميل حضوركم ولنا لقاءات مثمرة قادمة إن شاء لله ✨
انضموا معانا السبت الجاي في لقائنا الحضوري الثاني في جدة! ✨
حنستضيف إياد السباعي @eyadsibai عشان يشارك معانا خبرته في بناء أنابيب تعلم الآلة باستخدام مكتبتي pandas و scikit-learn 🚀
في انتظاركم يوم ١٤ يناير من الساعة ٧ إلى ٩ مساءً 🗓️
بادروا بالتسجيل🔗: meetup.com/pydata_jeddah/eve…
انضموا معانا السبت الجاي في لقائنا الحضوري الثاني في جدة! ✨
حنستضيف إياد السباعي @eyadsibai عشان يشارك معانا خبرته في بناء أنابيب تعلم الآلة باستخدام مكتبتي pandas و scikit-learn 🚀
في انتظاركم يوم ١٤ يناير من الساعة ٧ إلى ٩ مساءً 🗓️
بادروا بالتسجيل🔗: meetup.com/pydata_jeddah/eve…
استكمالا لحديثنا السابق عن تحليل السلاسل الزمنية 📈
تعرفنا أولًا على نماذج ARIMA والتي تعد من أهم طرق التحليل والتنبؤ بالسلاسل الزمنية.
اليوم سنقوم بمقارنة هذه النماذج مع أداة حديثة هي Prophet ، والتي أطلقتها #Meta أو ما تعرف سابقًا ب Facebook وكيفية تطبيقها باستخدام #Python
وأخيرا، يجب توضيح أن أداة Prophet تمكننا من نمذجة العديد من السلاسل الزمنية في وقت قياسي وبمقدار معقول من الخطأ، وقد تكون الأداة الأفضل عند التعامل مع البيانات الفوضوية او المفقودة أو ذات تأثيرات موسمية قوية. 🌦️
انضموا إلى لقائنا غدًا عن Transfer Learning واستخداماته في مجال NLP مع تطبيق عملي، في ورشة ذكاء: مقدمة للتعلّم الانتقالي في مجال معالجة اللغة الطبيعية ✨
بالتعاون مع @Thakaa_Center.
🗓️ 26 نوفمبر
🕔 7:00 - 8:00 م
🌐 عبر الإنترنت
🔗 سجّل الآن
thakaa.sa/events/an-introduc…
كثيرًا ما نستخدم في حواراتنا مقولة: ”Correlation doesn’t imply causation“ أو ”الارتباط لا يعني السببية“ عندما نريد أن نقول أن حدوث شيئين في نفس الوقت لا يعني أن أحدهما أدى إلى حصول الآخر
قد لا نستطيع أن نعرف المسببات في البيانات لدينا، ولكن نستطيع أن نقيس مدى الارتباط بينها 🤛🤜
في هذه السلسلة، تكلمنا عن الترابط وأنواعه وبعض المقاييس الإحصائية التي تحسبه. لكننا لم نتطرق إلى الشق الآخر من الموضوع:
هل من الممكن أن نقيس ونكشف عن العلاقات السَببية causal relationships ؟ ↩️
خليكم قريبين عشان ما تفوتكم سلاسلنا القادمة، وأعطونا رأيكم عن هذا الثريد 🤗