A detecção de anomalias é uma etapa na mineração de dados
que identifica pontos de dados, eventos ou observações que se desviam do
comportamento normal de um conjunto de dados. Dados anômalos podem indicar
incidentes críticos, como uma falha técnica ou oportunidades potenciais.
Nesta palestra serão
apresentados exemplos do uso de modelos de aprendizagem de máquina para a
tarefa de Detecção de Anomalia em Séries Temporais. O foco principal nesta
apresentação será sobre a organização do dataset e a utilização de bibliotecas
especializadas para tal processamento.
Palestrante:
Felipe Borges Coelho:
mestre e professor do curso de especialização BI Master. Tem 7 anos de
experiência em projetos de P&D, e atualmente é pesquisador do laboratório
de Inteligência Computacional Aplicada (ICA) da PUC Rio, atuando na área de
inteligência artificial com foco em algoritmos de otimização e análise de
dados, machine learning, deep learning e processamento de linguagem natural.
