Adaptação de algoritmos de classificação à tarefa de regressão extrínseca de séries temporais

Resumo

Com a crescente ubiquidade de celulares, relógios inteligentes e outros dispositivos capazes de coletar dados ao longo do tempo, popularizaram-se aplicações que utilizam séries temporais como entrada, por exemplo, monitoramento cardíaco e reconhecimento de atividades físicas a partir de dados captados por sensores. Dessa maneira, diversas técnicas foram desenvolvidas para o Aprendizado de Máquina no contexto de séries temporais. Porém, a maioria das técnicas propostas foram criadas para as tarefas de classificação e forecasting, o que faz com que a tarefa de regressão extrínseca de séries temporais careça de algoritmos adequados. Tendo em vista essa necessidade, este projeto tem como objetivo estudar e adaptar os mecanismos utilizados pelos algoritmos de classificação de séries temporais à tarefa de regressão extrínseca. Os algoritmos desenvolvidos serão avaliados, analisados e comparados a algoritmos tradicionais de regressão e, então, disponibilizados na ferramenta sktime. O projeto também prevê a possível escrita de um artigo científico compilando e divulgando os resultados obtidos, além da divulgação de todo o código-fonte desenvolvido.(AU)