Les dades de sèries temporals són un tipus de dades caracteritzat per una seqüència d'esdeveniments, observacions o mesures recopilades i ordenades amb intervals de data-hora, que normalment representen els canvis d'una variable al llarg del temps, i són compatibles amb Syntho.
Les dades de sèries temporals són més difícils de sintetitzar perquè necessiten capturar les dependències i els patrons temporals inherents a les observacions seqüencials del món real. A diferència de les dades independents i distribuïdes de manera idèntica, on cada observació no està relacionada amb les altres, les dades de sèries temporals mostren dependències entre passos de temps. Moltes organitzacions i la majoria de solucions de codi obert no poden sintetitzar bé les sèries temporals o no admeten les dades de sèries temporals en absolut.
El nostre motor de síntesi està optimitzat per sintetitzar les dades de sèries temporals més complexes amb precisió. Hem optimitzat els nostres models en col·laboració amb organitzacions líders que treballen amb les dades de sèries temporals més complexes.
Syntho va col·laborar amb organitzacions líders, com el Cedars Sinai Medical Center. Aquestes organitzacions treballen amb les dades de sèries temporals més complexes. Això permet a Syntho construir el millor model de seqüència i poder sintetitzar les sèries temporals més complexes amb precisió.
Amb el nostre Syntho Engine, podeu sintetitzar amb precisió dades que contenen sèries temporals. El nostre enfocament captura de manera adequada les correlacions i els patrons estadístics entre la taula d'entitats i la taula associada que conté informació longitudinal. Això incloïa fins i tot estructures de sèries temporals complexes, com ara sèries temporals amb: