Celia Lozano GrijalbaTech Lead Data Scientist na Bosonit, compartilha conosco o Projeto SktimeO projeto está orientado para resolver os problemas da ciência dos dados das séries temporais em Python.
Resolução de problemas de Ciência dos dados com séries cronológicas em Python é um desafio. Por quê? As ferramentas existentes não são bem adequadas para tarefas em série cronológica, nem são facilmente integradas. Os modelos no pacote scikit-learn assumem que os dados são estruturados em um formato tabular. Também assume que cada coluna é id, suposições que não se aplicam aos dados das séries cronológicas. Os pacotes contendo módulos de aprendizagem de séries cronológicas, tais como modelos estatísticos, não se integram bem entre si.
Além disso, muitas operações essenciais das séries cronológicas, como a divisão dos dados em conjuntos de teste e trens ao longo do tempo, não estão disponíveis nos pacotes Python existentes. Para enfrentar esses desafios, foi criado o seguinte Sktime.
Sktime é um projeto comunitário financiado pelo Conselho de Pesquisa Econômica e Social do Reino Unido, pelo Centro de Pesquisa de Dados do Consumidor e pelo Instituto Alan Turing (onde Celia teve a oportunidade de trabalhar durante seu tempo em Manchester).
Este projeto estende o API do Scikit-learn para tarefas de séries cronológicas. Ele fornece os algoritmos e ferramentas de transformação necessários para resolver eficientemente as tarefas de classificação, previsão e regressão de séries temporais.
Se você quiser saber mais sobre Sktime. Você pode saber mais sobre a Sktime no link a seguir:
https://github.com/alan-turing-institute/sktime
Autor: Celia Lozano GrijalbaTech Lead Data Scientist na Bosonit.
