Desafios da implementação de uma categoria de algoritmos em uma toolbox para aprendizado de máquina em séries temporais

• Processo: 19/11307-6
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Iniciação Científica
• Data de Início da vigência: 01 de agosto de 2019
• Data de Término da vigência: 30 de novembro de 2019
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Diego Furtado Silva
• Beneficiário: Claudia Rincon Sanches
• Supervisor: Anthony Bagnall
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Instituição Anfitriã: University of East Anglia (UEA), Inglaterra
• Vinculado à bolsa: 18/12320-3 - Um estudo sobre plataformas de aprendizado de máquina: suas características, funcionalidades e limitações, BP.IC
• Assunto(s): Ciência de dados Aprendizado computacional Análise de séries temporais Desenvolvimento de software
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | desenvolvimento | Séries Temporais | Toolbox | Aprendizado de Máquina

Resumo

Processar quantidades crescentes de dados para transformá-las em conhecimento é um dos maiores desafios das áreas relacionadas à Ciência da Computação atualmente, tanto para a indústria quanto para a academia. Por esse motivo, podemos encontrar uma infinidade de técnicas e plataformas de aprendizado de máquina (ML, do inglês Machine Learning). Embora seja possível observar que essas ferramentas abrangem uma grande variedade de domínios de aplicação e tipos de dados, não há plataforma amplamente usada que possa lidar com dados de séries temporais. Por essa razão, pesquisadores associados ao Instituto Alan Turing estão criando a primeira toolbox para ML em séries temporais: o sktime. Esta proposta de Estágio de Pesquisa no Exterior visa desenvolver novos algoritmos para a toolbox sktime, não apenas com o objetivo de adicionar utilitários à ferramenta, mas também para compreender o ponto de vista do desenvolvimento de uma plataforma ML. (AU)