Description
El pronóstico de series de tiempo tiene una amplia gama de aplicaciones: finanzas, retail, salud, IoT, etc. Recientemente modelos de deep learning como ESRNN o N-BEATS han demostrado tener performance estado del arte en estas tareas. Nixtlats es una librería de python que hemos desarrollado para facilitar el uso de estos modelos estado del arte a data scientists y developers, para que puedan utilizarlos en ambientes productivos. Escrita en pytorch, su diseño está enfocado en la usabilidad y reproducibilidad de los experimentos. Para ello, nixtlats cuenta con diversos módulos:
Data: contiene datasets de diversas competencias de series de tiempo. Models: incluye modelos estado del arte. Evaluation: posee diversas funciones de pérdida y métricas de evaluación.
Objetivo:
-Introducir a les asistentes a los retos del pronóstico de series de tiempo con deep learning. -Aplicaciones comerciales del pronóstico de series de tiempo. -Describir nixtlats, sus componentes y las mejores prácticas para entrenamiento y despliegue de modelos estado del arte en productivo. -Reproducción de resultados estado del arte usando nixtlats del modelo ganador de la competencia M4 de series de tiempo (ESRNN).