Análise Prática de Séries Temporais: Predição com Estatística e Aprendizado de Máquina
Os dados de séries temporais e sua respectiva análise assumem uma importância cada vez maior devido à produção volumosa desses mesmos dados por meio, por exemplo, da internet das coisas (iot), da digitalização dos sistemas de assistência médica e do surgimento das cidades inteligentes. nos próximos anos, podemos esperar que a quantidade, qualidade e a relevância dos dados de séries temporais cresçam vertiginosamente. À medida que o monitoramento ininterrupto e a coleta de dados se tornarem mais comuns, aumentará a necessidade de análises de séries temporais eficientes com técnicas estatísticas e de aprendizado de máquina. na realidade, os modelos novos mais promissores combinam essas duas metodologias. por esse motivo, analisaremos cada uma em detalhes. estudaremos e recorreremos a um leque amplo de técnicas de séries temporais úteis para analisar e predizer o comportamento humano, fenômenos científicos e dados do setor privado, porque todos esses campos de atuação oportunizam uma rica variedade de dados de séries temporais. vamos começar com uma definição. o termo análise de séries temporais é a tentativa de extrair um resumo significativo e informações estatísticas de pontos de dados organizados em ordem cronológica. É feita a fim de diagnosticar comportamentos passados e predizer comportamentos futuros. neste livro, usaremos uma variedade de abordagens, desde modelos estatísticos de cem anos a arquiteturas de redes neurais recém-desenvolvidas. nenhuma das técnicas surgiu do nada ou por mero interesse teórico. as inovações na análise de séries temporais resultam de novas maneiras de coletar, registrar e visualizar os dados. a seguir, discutiremos brevemente o advento da análise de séries temporais em uma variedade de aplicações.
Marca:
