PyPOTS: Apprendimento End-to-End per Serie Temporali Parzialmente Osservate

Un tutorial recentemente pubblicato presenta PyPOTS, un framework Python open-source progettato per il data mining completo e l'apprendimento automatico su serie temporali parzialmente osservate (POTS). Affronta vari aspetti come la simulazione di dati mancanti, la preelaborazione e la valutazione di modelli per attività come imputazione, previsione, classificazione, clustering e rilevamento di anomalie. La prima parte enfatizza le applicazioni pratiche utilizzando API unificate ed esperimenti di benchmark, mentre la seconda parte è rivolta a sviluppatori e ricercatori, discutendo modelli personalizzati, vincoli specifici del dominio e metodologie ingegneristiche. Questo lavoro è disponibile su arXiv con l'identificatore 2604.24041.