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 um a 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 ric a 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.