📘 Este livro é dedicado à exploração e explicação da detecção de eventos em séries temporais em bases de dados. O foco está nos eventos, que são onipresentes em aplicações com séries temporais, nas quais mudanças significativas de comportamento são observadas em pontos específicos ou em intervalos de tempo. A detecção de eventos é uma função básica em sistemas de vigilância e monitoramento, tendo sido amplamente estudada ao longo dos anos. No entanto, esta obra oferece uma visão unificada dos principais tipos de eventos em séries temporais que todo pesquisador deve conhecer: anomalias, pontos de mudança (change points) e motifs.
O livro inicia com conceitos fundamentais sobre séries temporais e apresenta uma taxonomia geral para a detecção de eventos, que abrange:
(i) granularidade dos eventos (pontuais, contextuais e coletivos);
(ii) estratégias gerais (regressão, classificação, agrupamento e métodos baseados em modelos);
(iii) abordagens metodológicas (baseadas em teoria e baseadas em dados);
(iv) tipos de aprendizado de máquina (supervisionado, semissupervisionado e não supervisionado); e
(v) gerenciamento de dados (processo ETL).
Essa taxonomia é explorada ao longo dos capítulos dedicados a cada tipo de evento — detecção de anomalias, pontos de mudança e descoberta de motifs. O livro também discute métricas de avaliação avançadas para métodos de detecção de eventos e inclui um capítulo sobre detecção online, abordando os principais desafios e estratégias (estáticas versus dinâmicas), além de tópicos como aprendizado incremental e adaptativo.
💡 Todos os exemplos e figuras apresentados no livro estão disponíveis no repositório GitHub:
👉 https://github.com/eogasawara/TSED
Nesse espaço, os leitores podem explorar os materiais complementares, sugerir novos temas para futuras edições e registrar eventuais problemas identificados na obra.
Este livro é voltado para estudantes de graduação e pós-graduação de diversas áreas, com interesse em ciência e análise de dados.
Autores: Eduardo Ogasawara, Rebecca Salles, Fabio Porto, Esther Pacitti
📖 Disponível na Springer: https://doi.org/10.1007/978-3-031-75941-3