Σε συνέχεια της σειράς μαθημάτων του PHAROS AI Factory, την Τρίτη 15 Σεπτεμβρίου 2026 παρουσιάζεται νέο μάθημα με τίτλο Μηχανική & Βαθιά Μάθηση για Πρόβλεψη Χρονοσειρών.
Η παρουσίαση θα γίνει στα Ελληνικά.
Περιγραφή Μαθήματος: Αυτή η συνεδρία καλύπτει μια ολοκληρωμένη ροή εργασιών πρόβλεψης σε Python που σχετίζεται με δεδομένα χρονοσειρών. Οι συμμετέχοντες ξεκινούν με την προεπεξεργασία (χειρισμός ελλειπουσών τιμών, ακραίων τιμών, στασιμότητας και μηχανικής χαρακτηριστικών) και στη συνέχεια προχωρούν σε κλασικά μοντέλα μηχανικής μάθησης, στα δέντρα με ενίσχυση κλίσης (gradient-boosted trees) και στις αρχιτεκτονικές βαθιάς μάθησης, συμπεριλαμβανομένων των LSTM, των χρονικών συνελικτικών δικτύων και των μοντέλων που βασίζονται σε Transformer, όπως το PatchTST. Το μάθημα βασίζεται σε ρεαλιστικές περιπτώσεις χρήσης, με ζωντανή προγραμματιστική εξάσκηση μαζί με τους συμμετέχοντες.
Προτεινόμενοι συμμετέχοντες: Μηχανικοί μηχανικής μάθησης, επιστήμονες δεδομένων, ακαδημαϊκοί ερευνητές, επιχειρηματίες.
Τρόπος διεξαγωγής: Διαδικτυακά μέσω Zoom (θα λάβετε τον σύνδεσμο Zoom μετά την εγγραφή)
Μαθησιακοί στόχοι: Μέχρι το τέλος του μαθήματος, οι συμμετέχοντες θα είναι σε θέση να:
- Προετοιμάσουν δεδομένα χρονοσειρών για εποπτευόμενη μάθηση (χειριζόμενοι την irregular sampling, τις ελλείπουσες τιμές και τις ακραίες τιμές — αποφεύγοντας παράλληλα τα μοτίβα διαρροής δεδομένων που ακυρώνουν τα περισσότερα αποτελέσματα πρόβλεψης).
- Να επιλέγουν κατάλληλες γραμμές αναφοράς και δείκτες αξιολόγησης, και να εφαρμόζουν επικύρωση τύπου «walk-forward» αντί της τυπικής διασταυρούμενης επικύρωσης.
- Να κατασκευάζουν και να συγκρίνουν κλασικά μοντέλα πρόβλεψης, μοντέλα gradient-boosting και μοντέλα βαθιάς μάθησης, καθώς και να κρίνουν πότε δικαιολογείται η πρόσθετη πολυπλοκότητα της βαθιάς μάθησης.
- Να αναγνωρίζουν τα πλεονεκτήματα και τους περιορισμούς των τρεχουσών αρχιτεκτονικών, από τα LSTM και τα TCN έως τα μοντέλα που βασίζονται σε Transformer και τα μοντέλα «foundation».
Το πρόγραμμα του μαθήματος μπορείτε να το βρείτε εδώ.
Εγγραφείτε για να συμμετάσχετε συμπληρώνοντας τη φόρμα εδώ.
