التنبّؤ بالسلاسل الزمنية
من الطرائق الإحصائية الكلاسيكية إلى النماذج العميقة، مرورًا بالنماذج المرجعية وتعزيز التدرّج، مع تقييم صارم للاحتمالات وليس للنقاط فحسب.
مدّة الدورة: 6 ساعات
دراسة الحالة الحمراء
طوال العشر الوحدات، نتنبّأ بـالطلب اليوميّ لشبكة من الصيدليّات: أربع سنوات من المبيعات، مع أعياد وطنيّة، وموسميّات شتائيّة وصيفيّة، وحملات تروي جيّة، والهدف هو التنبّؤ على أفق 28 يومًا. يمتلئ جدول المقارنة من وحدة إلى أخرى — نموذج مرجعيّ ساذج، ثمّ SARIMA، ثمّ Prophet، ثمّ تعزيز تدرّجي مع متغيّرات التقويم، ثمّ LSTM — ونقرأ في كلّ مرحلة ما رَبِح وما خسر.
ما ستتعلّمه
- تمييز السلسلة الزمنية عن البيانات الجدولية العاديّة، وتجنّب تسرّب المستقبل
- تفكيك الاتّجاه والموسميّة وقراءة البواقي بعين ناقدة
- اختبار الاستقرارية باستخدام ADF، ولعب دور ACF وPACF في اختيار الرتب
- إيجاد النموذج المرجعيّ الذي يجب أن يهزمه أيّ نموذج مُتقدّم
- ضبط ARIMA وSARIMA بـ
statsmodelsمع فواصل ثقة تُعرَض للأعمال - استعمال Prophet وHolt-Winters عن دراية، مع حدودها الحقيقيّة
- تحويل المسألة إلى انحدار جدوليّ مع تعزيز تدرّجي ومتغيّرات تقويميّة
- تدريب LSTM وفهم متى يفوز التعلّم العميق ومتى يخسر أمام ARIMA
- تنظيم تحقّق متدرّج مع مقاييس ملائمة (MAE، MASE، لا MAPE عند الصفر)
- تسليم تنبّؤ نهائيّ مع فواصل تنبّؤ بالكمّيات وخطة إعادة تدريب
المتطلّبات المسبقة
- بايثون،
pandas،numpy - الرياضيات للذكاء الاصطناعي (الدورة 03) والتعلّم المُشرَف (الدورة 04)
- أساسيات الشبكات المتكرّرة (الدورة 11) مفيدة للوحدة 8
وحدات الدورة
- ما يميّز السلسلة الزمنية عن سائر البيانات
- التفكيك: الاتّجاه، والموسميّة، والضجيج
- الاستقرارية، والتفاضل، والارتباط الذاتي
- النماذج المرجعية التي لا يجب إغفالها
- ARIMA وSARIMA
- التمهيد الأسّي وProphet
- متغيّرات التقويم والمتنبّئات الخارجية
- المقاربات العميقة: LSTM والمحوّلات الزمنية
- التحقّق المتدرّج والمقاييس الملائمة
- مشروع: التنبّؤ بالطلب مع فواصل
التقييم والشهادة
يُختَم المسار بامتحان من 40 سؤالًا يغطّي الوحدات العشر، ويشمل حالات تشخيصيّة (تسرّب المستقبل، MAPE على أصفار، متنبّئ خارجيّ مجهول في المستقبل، فواصل ضيّقة كذبًا). عند النجاح تُمنَح شهادة الإتمام فورًا برقم قابل للتحقّق على المنصّة.