La modélisation et l’explicabilité des séries temporelles sont des problématiques très anciennes, impactant toute organisation qui suit des données quantifiables.

Qu’il s’agisse d’isoler les anomalies au sein de données de capteurs IoT, de détecter des profils types de consommations énergétiques ou de prédire l’évolution des conditions météorologiques, les enjeux business ne sont plus à démontrer.

Cependant, même si les organisations éclairées stockent déjà leurs données temporelles avec un historique souvent très profond, le nombre de techniques d’exploitation de ces données peut dérouter.

Au cours de ce webinaire, nous passerons en revue les problématiques usuelles et leurs solutions, ainsi que les points d’attention et facteurs de réussite d’un projet de traitement de séries temporelles avec des techniques de machine learning à l’état de l’art.

Nous repasserons également sur les bases abordées au cours des précédentes éditions, puis présenterons un panel de nouvelles techniques.