Dados de série temporal são um tipo de dados caracterizado por uma sequência de eventos, observações ou medições coletadas e ordenadas com intervalos de data e hora, normalmente representando mudanças em uma variável ao longo do tempo, e são suportados pelo Syntho.
Os dados de séries temporais são mais difíceis de sintetizar porque precisam capturar as dependências temporais e os padrões inerentes às observações sequenciais do mundo real. Ao contrário dos dados independentes e distribuídos de forma idêntica, onde cada observação não está relacionada com as outras, os dados de séries temporais exibem dependências ao longo dos intervalos de tempo. Muitas organizações e a maioria das soluções de código aberto não conseguem sintetizar bem as séries temporais ou não oferecem suporte a dados de séries temporais.
Nosso Syntho Engine é otimizado para sintetizar com precisão os dados de séries temporais mais complexos. Otimizamos nossos modelos em colaboração com organizações líderes que trabalham com os dados de séries temporais mais complexos.
Syntho colaborou com organizações líderes, como o Cedars Sinai Medical Center. Essas organizações trabalham com os dados de séries temporais mais complexos. Isso permite que o Syntho construa o melhor modelo de sequência, sendo capaz de sintetizar com precisão as séries temporais mais complexas.
Com nosso Syntho Engine, você pode sintetizar com precisão dados contendo séries temporais. Nossa abordagem captura habilmente correlações e padrões estatísticos entre a tabela de entidades e a tabela associada contendo informações longitudinais. Isso incluiu até mesmo estruturas de séries temporais complexas, como séries temporais com: