{"id":2532,"date":"2025-10-20T20:30:56","date_gmt":"2025-10-20T23:30:56","guid":{"rendered":"https:\/\/eic.cefet-rj.br\/~eogasawara\/?page_id=2532"},"modified":"2026-04-04T12:20:39","modified_gmt":"2026-04-04T15:20:39","slug":"harbinger","status":"publish","type":"page","link":"https:\/\/eic.cefet-rj.br\/~eogasawara\/harbinger\/","title":{"rendered":"Harbinger"},"content":{"rendered":"<p><strong>Harbinger<\/strong> \u00e9 um framework unificado para an\u00e1lise de eventos em s\u00e9ries temporais. O pacote integra, em uma mesma interface, detec\u00e7\u00e3o de anomalias, detec\u00e7\u00e3o de pontos de mudan\u00e7a, descoberta de motifs e discords, transforma\u00e7\u00f5es, visualiza\u00e7\u00e3o e avalia\u00e7\u00e3o de resultados. Na vers\u00e3o atual do pacote, <strong>1.2.767<\/strong>, a documenta\u00e7\u00e3o foi reorganizada para apoiar uma trilha de aprendizado mais guiada e uma navega\u00e7\u00e3o tem\u00e1tica mais clara.<\/p>\n<h3><strong>Organiza\u00e7\u00e3o did\u00e1tica<\/strong><\/h3>\n<p>O material do <code>harbinger<\/code> passou a ser organizado em duas portas de entrada complementares. A primeira \u00e9 uma trilha guiada, indicada para quem est\u00e1 conhecendo o framework e quer entender o fluxo completo de an\u00e1lise passo a passo. A segunda \u00e9 composta por cole\u00e7\u00f5es tem\u00e1ticas, indicadas para quem j\u00e1 domina o fluxo b\u00e1sico e deseja estudar uma fam\u00edlia espec\u00edfica de m\u00e9todos.<\/p>\n<p>Essa organiza\u00e7\u00e3o ajuda a evitar o uso do pacote como um cat\u00e1logo plano de algoritmos. Em vez disso, o estudo come\u00e7a pela compreens\u00e3o do fluxo de trabalho, passa pela inspe\u00e7\u00e3o dos dados e pela avalia\u00e7\u00e3o, e s\u00f3 depois avan\u00e7a para fam\u00edlias espec\u00edficas de t\u00e9cnicas e customiza\u00e7\u00f5es.<\/p>\n<h3><strong>M\u00e9todos dispon\u00edveis<\/strong><\/h3>\n<ul>\n<li><strong>Anomalias:<\/strong><br \/>\nm\u00e9todos baseados em histogramas, res\u00edduos de modelos estat\u00edsticos e espectrais, aprendizado supervisionado, agrupamento, ensembles, autoencoders e an\u00e1lise multivariada.<\/li>\n<li><strong>Pontos de Mudan\u00e7a (<em>Change Points<\/em>):<\/strong><br \/>\nm\u00e9todos para uma ou m\u00faltiplas mudan\u00e7as estruturais, testes cl\u00e1ssicos, variantes do ChangeFinder, abordagens orientadas a volatilidade e janelas locais.<\/li>\n<li><strong>Motifs e Discords:<\/strong><br \/>\nm\u00e9todos baseados em <em>Matrix Profile<\/em> e representa\u00e7\u00f5es simb\u00f3licas, incluindo suporte \u00e0 descoberta de padr\u00f5es recorrentes e subsequ\u00eancias raras.<\/li>\n<li><strong>Transforma\u00e7\u00f5es e Avalia\u00e7\u00e3o:<\/strong><br \/>\nsuporte a suaviza\u00e7\u00e3o, representa\u00e7\u00f5es simb\u00f3licas e avalia\u00e7\u00e3o estrita ou tolerante das detec\u00e7\u00f5es realizadas.<\/li>\n<\/ul>\n<h3><strong>Arquitetura<\/strong><\/h3>\n<p>A arquitetura do <code>harbinger<\/code> \u00e9 baseada no conceito de <em>Experiment Lines<\/em> e foi constru\u00edda sobre o DAL Toolbox. Essa organiza\u00e7\u00e3o facilita a compara\u00e7\u00e3o entre m\u00e9todos, a reprodutibilidade dos estudos e a inclus\u00e3o de novas transforma\u00e7\u00f5es, detectores, workflows de motifs e avaliadores.<\/p>\n<h3>Instala\u00e7\u00e3o<\/h3>\n<p>A vers\u00e3o est\u00e1vel do <strong>Harbinger<\/strong> no CRAN est\u00e1 dispon\u00edvel em: <a href=\"https:\/\/CRAN.R-project.org\/package=harbinger\">https:\/\/CRAN.R-project.org\/package=harbinger<\/a><\/p>\n<p>Para instalar a vers\u00e3o est\u00e1vel do CRAN:<\/p>\n<div class=\"sourceCode\">\n<pre class=\"sourceCode r\"><code class=\"sourceCode r\">install.packages(\"harbinger\")<\/code><\/pre>\n<\/div>\n<p>Para instalar a vers\u00e3o em desenvolvimento diretamente do GitHub:<\/p>\n<div class=\"sourceCode\">\n<pre class=\"sourceCode r\"><code class=\"sourceCode r\">library(devtools)\r\ndevtools::install_github(\"cefet-rj-dal\/harbinger\", force = TRUE, upgrade = \"never\")<\/code><\/pre>\n<\/div>\n<h3>Documenta\u00e7\u00e3o e exemplos<\/h3>\n<p>Os exemplos do <code>harbinger<\/code> est\u00e3o organizados em trilha guiada e em cole\u00e7\u00f5es tem\u00e1ticas de exemplos gerais, datasets, transforma\u00e7\u00f5es, anomalias, pontos de mudan\u00e7a, motifs e customiza\u00e7\u00e3o:<\/p>\n<p><a href=\"https:\/\/github.com\/cefet-rj-dal\/harbinger\/tree\/master\/examples\">https:\/\/github.com\/cefet-rj-dal\/harbinger\/tree\/master\/examples<\/a><\/p>\n<h3>Apresenta\u00e7\u00f5es<\/h3>\n<p>As apresenta\u00e7\u00f5es abaixo foram reordenadas para seguir uma progress\u00e3o de estudo mais did\u00e1tica: come\u00e7ar pela vis\u00e3o geral do framework, avan\u00e7ar pelo fluxo b\u00e1sico de uso, entender os dados e transforma\u00e7\u00f5es, e s\u00f3 ent\u00e3o entrar nas fam\u00edlias espec\u00edficas de m\u00e9todos e na customiza\u00e7\u00e3o.<\/p>\n<ul>\n<li><a href=\"https:\/\/github.com\/eogasawara\/series-temporais\/blob\/main\/h01-harbinger.pdf\">h01-harbinger.pdf<\/a> \u2014 vis\u00e3o geral do framework <code>harbinger<\/code> e do problema de detec\u00e7\u00e3o de eventos em s\u00e9ries temporais.<\/li>\n<li><a href=\"https:\/\/github.com\/eogasawara\/series-temporais\/blob\/main\/h02-tutorial.pdf\">h02-tutorial.pdf<\/a> \u2014 trilha guiada de uso do <code>harbinger<\/code>, ideal como primeiro contato com o fluxo b\u00e1sico.<\/li>\n<li><a href=\"https:\/\/github.com\/eogasawara\/series-temporais\/blob\/main\/h03-general.pdf\">h03-general.pdf<\/a> \u2014 panorama dos conceitos centrais, utilit\u00e1rios e avalia\u00e7\u00e3o no ecossistema do <code>harbinger<\/code>.<\/li>\n<li><a href=\"https:\/\/github.com\/eogasawara\/series-temporais\/blob\/main\/h04-datasets.pdf\">h04-datasets.pdf<\/a> \u2014 entendimento das cole\u00e7\u00f5es de dados e benchmarks antes da escolha de m\u00e9todos.<\/li>\n<li><a href=\"https:\/\/github.com\/eogasawara\/series-temporais\/blob\/main\/h05-transformations.pdf\">h05-transformations.pdf<\/a> \u2014 transforma\u00e7\u00f5es e pr\u00e9-processamento para preparar a s\u00e9rie antes da an\u00e1lise.<\/li>\n<li><a href=\"https:\/\/github.com\/eogasawara\/series-temporais\/blob\/main\/h06-anomalies.pdf\">h06-anomalies.pdf<\/a> \u2014 estudo das principais fam\u00edlias de m\u00e9todos de detec\u00e7\u00e3o de anomalias.<\/li>\n<li><a href=\"https:\/\/github.com\/eogasawara\/series-temporais\/blob\/main\/h07-changepoint.pdf\">h07-changepoint.pdf<\/a> \u2014 m\u00e9todos de detec\u00e7\u00e3o de pontos de mudan\u00e7a, do caso simples aos cen\u00e1rios mais ricos.<\/li>\n<li><a href=\"https:\/\/github.com\/eogasawara\/series-temporais\/blob\/main\/h08-motifs.pdf\">h08-motifs.pdf<\/a> \u2014 descoberta de motifs e discords, com foco em an\u00e1lise de subsequ\u00eancias e padr\u00f5es recorrentes.<\/li>\n<li><a href=\"https:\/\/github.com\/eogasawara\/series-temporais\/blob\/main\/h09-custom.pdf\">h09-custom.pdf<\/a> \u2014 extens\u00e3o e customiza\u00e7\u00e3o do framework com novos componentes e workflows.<\/li>\n<\/ul>\n<h3>Playlist de tutorial<\/h3>\n<p class=\"responsive-video-wrap clr\"><iframe loading=\"lazy\" title=\"harbinger\" width=\"1200\" height=\"675\" src=\"https:\/\/www.youtube.com\/embed\/videoseries?list=PLJb2qK1RWkbELhltwEV0ct3pkssi7k8sj\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" referrerpolicy=\"strict-origin-when-cross-origin\" allowfullscreen><\/iframe><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Harbinger \u00e9 um framework unificado para an\u00e1lise de eventos em s\u00e9ries temporais. O pacote integra, em uma mesma interface, detec\u00e7\u00e3o de anomalias, detec\u00e7\u00e3o de pontos de mudan\u00e7a, descoberta de motifs e discords, transforma\u00e7\u00f5es, visualiza\u00e7\u00e3o e avalia\u00e7\u00e3o de resultados. Na vers\u00e3o atual do pacote, 1.2.767, a documenta\u00e7\u00e3o foi reorganizada para apoiar uma trilha de aprendizado mais [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"footnotes":""},"class_list":["post-2532","page","type-page","status-publish","hentry","entry"],"_links":{"self":[{"href":"https:\/\/eic.cefet-rj.br\/~eogasawara\/wp-json\/wp\/v2\/pages\/2532","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/eic.cefet-rj.br\/~eogasawara\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/eic.cefet-rj.br\/~eogasawara\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/eic.cefet-rj.br\/~eogasawara\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/eic.cefet-rj.br\/~eogasawara\/wp-json\/wp\/v2\/comments?post=2532"}],"version-history":[{"count":5,"href":"https:\/\/eic.cefet-rj.br\/~eogasawara\/wp-json\/wp\/v2\/pages\/2532\/revisions"}],"predecessor-version":[{"id":2733,"href":"https:\/\/eic.cefet-rj.br\/~eogasawara\/wp-json\/wp\/v2\/pages\/2532\/revisions\/2733"}],"wp:attachment":[{"href":"https:\/\/eic.cefet-rj.br\/~eogasawara\/wp-json\/wp\/v2\/media?parent=2532"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}