Ementa
Análise de Séries Temporais. Conceitos fundamentais e componentes estruturais das séries temporais. Técnicas de pré-processamento e representação de dados temporais. Avaliação em tarefas temporais. Métodos estatísticos e computacionais para análise de séries temporais. Detecção de eventos, incluindo anomalias, pontos de mudança, desvio de conceito e padrões recorrentes. Análise de séries temporais em fluxo e em tempo real. Implementação prática de métodos e avaliação de desempenho em dados reais.
Objetivos
Fundamentar os conhecimentos indispensáveis à análise e modelagem de dados temporais, com foco na identificação de padrões, eventos relevantes e comportamentos dinâmicos ao longo do tempo. Para isso, é realizado um estudo sistemático dos conceitos fundamentais de séries temporais, das técnicas de pré-processamento e representação, bem como dos métodos estatísticos e computacionais voltados à detecção de anomalias, pontos de mudança, desvio de conceito e predição. O curso busca proporcionar um sólido embasamento teórico aliado à prática computacional, capacitando o aluno a selecionar, aplicar, avaliar e interpretar métodos de análise de séries temporais em diferentes contextos, incluindo cenários offline e online, e a desenvolver soluções computacionais aplicadas a dados temporais reais.
Slides
1 – Fundamentos de Séries Temporais e Processos Estocásticos — fundamentos de séries temporais e processos estocásticos aplicados.
2 – Estrutura Temporal em Séries Temporais — estrutura temporal e componentes de séries temporais.
3 – Modelos Lineares em Séries Temporais — modelos lineares e seus pressupostos em séries temporais.
4 – Previsão em Séries Temporais — técnicas de previsão e avaliação preditiva.
5 – Por que Estender os Modelos Lineares — limitações dos modelos lineares e motivações para extensões.
6 – Séries Temporais como Objeto de Processamento — séries temporais como objetos de processamento e análise.
7 – Representação de Eventos em Séries Temporais — representação de eventos em dados temporais.
8 – Eventos em Séries Temporais — conceitos e tipos de eventos em séries temporais.
9 – Anomalias em Séries Temporais — detecção de anomalias em séries temporais.
10 – Formulação do Problema de Detecção — formulação do problema de detecção de eventos.
11 – Pontos de Mudança em Séries Temporais — pontos de mudança e conceitos relacionados.
12 – Detecção de Pontos de Mudança — métodos de detecção de pontos de mudança.
13 – Motifs em Séries Temporais — descoberta de motifs em séries temporais.
14 – Discords em Séries Temporais — identificação de discords e padrões raros.
15 – Paradigmas de Detecção Temporal — paradigmas de detecção temporal.
16 – Classes de Métodos Online — classes de métodos online para detecção.
17 – Teoria Geral de Eventos em Séries Temporais — teoria geral de eventos em séries temporais.
18 – O Problema da Avaliação de Eventos — avaliação de eventos e critérios de desempenho.
19 – Eventos como Pontos: uma Simplificação — eventos como pontos: simplificação e implicações.
20 – Avaliação como Problema Científico — avaliação como problema científico em detecção temporal.
21 – A Área de Detecção de Eventos — panorama da área de detecção de eventos.
22 – Detecção de Eventos como Problema Aberto — detecção de eventos como problema aberto de pesquisa.
H1 – Harbinger — Harbinger: framework para detecção de eventos em séries temporais.
Playlist
Harbinger
Harbinger é uma estrutura (framework) para detecção de eventos em séries temporais. Ela oferece um ambiente integrado para detecção de anomalias, pontos de mudança e descoberta de motivos em séries temporais. Disponibiliza uma ampla variedade de métodos de detecção de eventos, além de funções para visualização e avaliação das detecções realizadas.
https://cefet-rj-dal.github.io/harbinger/