Canal no Youtube "PPCIC CEFET/RJ" - SEIC 2020 - Rebecca Salles

 

Resumo: Ao analisar séries temporais, é possível observar mudanças significativas no comportamento de suas observações, que frequentemente caracterizam a ocorrência de eventos. Os eventos sinalizam não estacionariedade e podem aparecer como anomalias, pontos de mudança ou padrões frequentes. A detecção de eventos é reconhecida como uma função básica em sistemas de vigilância e monitoramento, especialmente para aplicações baseadas em análise de dados online. A detecção de eventos online apresenta desafios, incluindo a necessidade de aprendizado incremental e o equilíbrio entre plasticidade e estabilidade. Na literatura, existem vários métodos para detecção de eventos. No entanto, a busca por um método adequado para uma série temporal não é uma tarefa simples, especialmente considerando que a natureza dos eventos contidos na série muitas vezes não é conhecida. A seleção inadequada de um método de detecção pode levar à falha na identificação de eventos e afetar a tomada de decisão, causando possíveis danos às aplicações. Nesse contexto, esta pesquisa propõe a exploração de diferentes métodos de detecção e pré-processamento para detecção online de eventos em séries temporais. Isso inclui o estudo de métodos baseados em aprendizado de máquina e abordagens ensemble para detecção e classificação de eventos. Os resultados da pesquisa devem ser encapsulados no Harbinger, um framework para integração e análise de métodos de detecção de eventos.

 

Biografia: Doutoranda em Engenharia de Produção e Sistemas, Mestre em Ciência da Computação (2019), Bacharel em Ciência da Computação (Summa Cum Laude) (2016), e formada no curso Técnico em Informática Industrial (2010) pelo Centro Federal de Educação Tecnológica Celso Suckow da Fonseca (CEFET/RJ). Atualmente, sua pesquisa tem foco nos temas de Ciência de Dados, Preprocessamento, Análise de Séries Temporais.