دادههای سری زمانی یک نوع داده است که با دنبالهای از رویدادها، مشاهدات یا اندازهگیریهای جمعآوریشده و مرتب شده با فواصل تاریخ-زمان مشخص میشود، که معمولاً تغییرات یک متغیر در طول زمان را نشان میدهد و توسط Syntho پشتیبانی میشود.
ترکیب دادههای سری زمانی چالشبرانگیزتر است زیرا باید وابستگیهای زمانی و الگوهای ذاتی در مشاهدات متوالی دنیای واقعی را به تصویر بکشد. برخلاف دادههای مستقل و توزیعشده یکسان، که در آن هر مشاهده با مشاهدههای دیگر ارتباطی ندارد، دادههای سری زمانی وابستگیهایی را در طول مراحل زمانی نشان میدهند. بسیاری از سازمان ها و اکثر راه حل های منبع باز نمی توانند سری های زمانی را به خوبی ترکیب کنند یا به هیچ وجه از داده های سری زمانی پشتیبانی نمی کنند.
Syntho Engine ما برای ترکیب دقیق ترین داده های سری زمانی بهینه شده است. ما مدل های خود را با همکاری سازمان های پیشرو که با پیچیده ترین داده های سری زمانی کار می کنند، بهینه کرده ایم.
Syntho با سازمانهای پیشرو مانند مرکز پزشکی Cedars Sinai همکاری کرد. این سازمان ها با پیچیده ترین داده های سری زمانی کار می کنند. این به Syntho اجازه میدهد تا بهترین مدل توالی را بسازد و بتواند پیچیدهترین سریهای زمانی را با دقت ترکیب کند.
با Syntho Engine ما، می توانید داده های حاوی سری های زمانی را به دقت ترکیب کنید. رویکرد ما به طرز ماهرانهای همبستگیها و الگوهای آماری را بین جدول موجودیت و جدول مرتبط حاوی اطلاعات طولی ثبت میکند. این شامل حتی ساختارهای سری زمانی پیچیده، مانند سری های زمانی با: