PyData Jeddah
@PyDataJeddah
Followers
2K
Following
53
Media
278
Statuses
544
Jeddah's chapter of @PyData | Brings together users and developers of data analysis tools in Python, R, Julia, & St #PyDataJeddah #PyDataSaudi
Jeddah, Saudi Arabia
Joined March 2020
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
In a few circumstances, it is not possible to obtain data from every group member. Instead, you select a sample of the individuals who will…
0
2
15
📢 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
0
0
2
شكرًا للمهندس إياد على الحوار الممتع والمعلومات الشيقة المفيدة 🙌🏽
1
0
0
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 ✨
1
2
5
نشوفكم بكرة الساعة 7 مساءً ✨.
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🔗:
0
1
0
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🔗:
0
5
12
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. 🌦️.
1
0
0
بعد ذلك، نقوم بحفظ قيم التنبؤ الخاصة بكل نموذج ومن ثم مقارنتها بالقيم الحقيقية (بالأزرق). وأيضا مقارنة نتائج متوسط الخطأ التربيعي (MSE) و الجذر له (RMSE)، حيث يتضح تفوق ARIMA (بالأحمر) على نموذج Prophet (بالأصفر).
1
0
0
ثانيًا، نقوم بنمذجة البيانات أيضا بعد تقسيمها إلى بيانات للتدريب وللاختبار. باستخدام Prophet ، يمكن رسم قيم النموذج بالإضافة إلى فترات الثقة والتي تحدد افتراضيًا ب 80%.
1
0
0
أولًا، نقوم ببناء نموذج ARIMA باستخدام دالة auto_arima. اتضح أن نموذج ARIMA(2,1,2) هو الأفضل وتحتوي البيانات على اتجاه واضح بعد إضافة قيم السنوات من 2019 إلى 2022 ↗️↗️. يمكن الرجوع للثريد السابق لتوضيح كيفية إيجاد الاتجاه في البيانات:.
أحد أشهر أنواع تحليل البيانات هي تحليل السلاسل الزمنية او ما يعرف ب Time-series Analysis ، حيث أن مجالات تطبيقها متعددة ولا تخلو أي منظمة من استخدام نماذج السلاسل الزمنية التي تساعد في التنبؤ بالقيم المستقبلية 💹.
1
0
0
أداة Prophet تقوم بعملية النمذجة والتنبؤ تلقائيًا بدون تدخل مباشر من المستخدم. 🧑💻. البيانات المستخدمة في هذا المثال هي بيانات المؤشر العام للسوق السعودي (TASI) محدثة للعام 2022 🪙
1
0
0
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.
0
0
4
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 🤗.
1
0
0
إذا شغلنا الآن دالة ال Mutual Information على بيانات درجات الطلاب، سوف نجد أنها حَسبت العلاقة بين جميع بيانات الطلاب وبين درجاتهم النهائية، كما أننا سنلاحظ أن العمر هو صاحب أقوى علاقة مع الدرجة النهائية. تذكر 📝: أن قيم هذا المقياس تتراوح بين صفر (ليس هناك علاقة) وما لانهاية.
1
0
1