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, este livro 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.

A obra inicia com conceitos básicos sobre séries temporais e apresenta uma taxonomia geral para a detecção de eventos. Essa taxonomia inclui: (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 aos tipos específicos de eventos: detecção de anomalias, pontos de mudança e descoberta de motifs. O livro também discute as métricas de avaliação mais avançadas para métodos de detecção de eventos e traz um capítulo dedicado à detecção online de eventos, abordando os principais desafios e estratégias (estáticas versus dinâmicas), incluindo aprendizado incremental e adaptativo.

Este livro é voltado para estudantes de graduação ou pós-graduação de diferentes áreas, que tenham conhecimentos introdutórios em ciência ou 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