تخطَّ إلى المحتوى
نافيرا تك NAVERA TECH
  1. KFS × Navera
  2. IoT & AI for Smart Agriculture
  3. السيشن 14
14/ 22 الأسبوع 7-8 · تحليل البيانات وتعلم الآلة 3 ساعات

تنظيف البيانات ومعالجتها

Data Cleaning & Preprocessing

البيانات الحقيقية من الحقل «متسخة»: رسائل مكررة، أخطاء حساسات (−999)، قفزات، انقطاع شبكة لساعات، وقيم مفقودة. نتعلم كشف كل نوع ومعالجته: الحدود الفيزيائية، فلتر Hampel، الشبكة الزمنية المنتظمة، الاستكمال الزمني المحدود، التطبيع، وتحويل السلاسل الزمنية — لنحصل على بيانات جاهزة للنمذجة.

Overview

نظرة عامة على السيشن

بنهاية السيشن ستكون قادراً على

  • تكتشف التكرار والقيم المستحيلة والقيم الشاذة والفجوات الزمنية في بيانات IoT.
  • تطبق Hampel filter (median + MAD) لكشف القفزات بشكل متين.
  • تبني شبكة زمنية منتظمة وتستكمل الفجوات القصيرة فقط بـ Time interpolation مع حد أقصى.
  • تطبق Normalization (Min-Max) وStandardization وتعرف متى تستخدم كلاً منهما.
  • تحول السلسلة الزمنية (Resample، Rolling، Lags) وتوثق جودة البيانات بأرقام.

التطبيق في مزرعة الكلية

معالجة سجل 3 عقد من المزرعة لمدة 3 أسابيع (يونيو) فيه كل أعطال الحقل الحقيقية، ثم تطبيق نفس الخطوات على بيانات عقد فريقك من farm.db، وكتابة «تقرير جودة البيانات» لكل عقدة.

المُخرج (Deliverable)

مجموعة بيانات نظيفة جاهزة للنمذجة (node_log_clean.csv + hourly) مع تقرير تنظيف يوثق كل خطوة وعدد القيم المتأثرة.

خطة السيشن (180 دقيقة)

  1. 0:00 مراجعة مراجعة: التقرير الإحصائي 10 د
  2. 0:10 شرح أنواع البيانات المتسخة في إنترنت الأشياء الزراعي 25 د
  3. 0:35 تطبيق Lab: التكرار، الحدود، الشبكة الزمنية، Hampel، الاستكمال 35 د
  4. 1:10 استراحة استراحة 10 د
  5. 1:20 تطبيق Lab: التطبيع وتحويل السلاسل الزمنية 30 د
  6. 1:50 مشروع المشروع الجاهز: s14_clean_node_log.py + تقرير التنظيف 30 د
  7. 2:20 ميداني تطبيقي: تنظيف بيانات عقد فريقك من المزرعة 30 د
  8. 2:50 تقييم اختبار سريع + الواجب 10 د

الأدوات والمكونات

Python + pandas + numpy + scipyJupyternode_log_raw.csvfarm.db (بيانات فريقك)

قاموس المصطلحات (Glossary)

Missing value (NaN)قيمة مفقودة

غياب القيمة — لا نستبدلها بصفر.

Outlierقيمة شاذة

قيمة بعيدة جداً عن جيرانها — خطأ أو حدث حقيقي نادر.

Physical limitsالحدود الفيزيائية

مدى مستحيل تجاوزه (رطوبة نسبية 0–100%).

MADالانحراف المطلق الوسيط

Median Absolute Deviation — مقياس تشتت لا يتأثر بالقيم الشاذة.

Hampel filterفلتر هامبل

يعتبر القيمة شاذة إذا بعدت عن الوسيط المحلي > k × MAD.

Reindexإعادة الفهرسة

فرض شبكة زمنية منتظمة (كل 15 د) لتظهر الفجوات كـ NaN.

Interpolationالاستكمال

تقدير القيم المفقودة من الجيران (خطي، زمني).

Imputationالتعويض

ملء القيم المفقودة بأي طريقة.

Normalization (Min-Max)التطبيع

تحويل القيم إلى المدى 0–1.

Standardization (Z-score)التوحيد القياسي

(x − المتوسط) / الانحراف المعياري.

Lag featureميزة إزاحة

قيمة المتغير قبل ساعة/يوم كعمود جديد.

Data leakageتسرب البيانات

استخدام معلومات من المستقبل أثناء التدريب — خطأ قاتل.