Les données de séries chronologiques sont un type de données caractérisé par une séquence d'événements, d'observations ou de mesures collectées et ordonnées avec des intervalles date-heure, représentant généralement les changements d'une variable au fil du temps, et sont prises en charge par Syntho.
Les données de séries chronologiques sont plus difficiles à synthétiser car elles doivent capturer les dépendances temporelles et les modèles inhérents aux observations séquentielles du monde réel. Contrairement aux données indépendantes et distribuées de manière identique, où chaque observation n’est pas liée aux autres, les données de séries chronologiques présentent des dépendances à travers les pas de temps. De nombreuses organisations et la plupart des solutions open source ne peuvent pas synthétiser correctement les séries chronologiques ou ne prennent pas du tout en charge les données de séries chronologiques.
Notre moteur Syntho est optimisé pour synthétiser avec précision les données de séries chronologiques les plus complexes. Nous avons optimisé nos modèles en collaboration avec des organisations de premier plan travaillant avec les données de séries chronologiques les plus complexes.
Syntho a collaboré avec des organisations de premier plan, telles que le centre médical Cedars Sinai. Ces organisations travaillent avec les données de séries chronologiques les plus complexes. Cela permet à Syntho de construire le meilleur modèle de séquence, capable de synthétiser avec précision les séries temporelles les plus complexes.
Avec notre moteur Syntho, vous pouvez synthétiser avec précision des données contenant des séries temporelles. Notre approche capture habilement les corrélations et les modèles statistiques entre la table d'entités et la table associée contenant des informations longitudinales. Cela incluait même des structures de séries chronologiques complexes, telles que des séries chronologiques avec :
Notre moteur Syntho comprend la fonctionnalité de modèle de séquence de Syntho qui permet aux utilisateurs de synthétiser des données de séries chronologiques (données longitudinales). Lorsque les données cibles que vous souhaitez synthétiser contiennent des données de séries chronologiques, notre modèle de séquence sera activé.