Séries Temporais

As aulas são, de acordo com o que está determinado no plano curricular, teórico-práticas. Na parte teórica, de introdução de conceitos,
resultados fundamentais e metodologias, será usado, predominantemente, o método expositivo. A parte prática será destinada à
exemplificação de procedimentos e resolução de problemas sob orientação do docente, mas incentivando-se o trabalho autónomo ou em
pequenos grupos com suporte de uma ferramenta informática (predominantemente, Google Colab com a linguagem Python ou R). Far-seá
prevalecer uma forte interação entre a teoria e a prática, dando, tanto quanto possível, um papel central à visualização e ao tratamento
de situações concretas.

As tarefas de análise de dados e previsão, nas mais diversas áreas científicas, envolvem, com frequência, dados em que a componente
temporal não pode ser negligenciada. Assim, nesta unidade, curricular o foco está nos dados em série temporal, pretendendo-se que o
estudante seja capaz de:
– efetuar a análise exploratória ajustada à série temporal de interesse;
– identificar potenciais problemas que interfiram na qualidade dos dados e efetuar o tratamento devido;
– transformar e/ou extrair de novas variáveis a partir dos dados fornecido;
– reconhecer diferentes classes de métodos de previsão para séries temporais;
– identificar e aplicar o(s) método(s) de previsão adequado(s) em casos concretos;
– conhecer os pressupostos e as limitações dos métodos;
– saber validar os modelos obtidos e avaliar a sua capacidade preditiva.
Paralelamente, o estudante deverá ser capaz de executar as tarefas de uma forma eficiente usando a(s) ferramenta(s) informática(s)
adequada(s).

1. Análise de séries temporais
1.1. Análise exploratória
1.2. Tratamento de valores em falta
1.3. Deteção de anomalias em séries temporais
1.4. Transformação e extração de variáveis
2. Previsão de séries temporais
2.1. Conceitos fundamentais
2.2. Avaliação diagnóstico
2.3. Avaliação da capacidade preditiva
2.4. Métodos de previsão elementares
2.5. Métodos de previsão estatísticos
2.6. Métodos de previsão de aprendizagem computacional

NAO

– Atwan, T.A. (2022). Time Series Analysis with Python Cookbook. Packt.
– Auffarth, B. (2021). Machine Learning for Time-Series with Python: Forecast, predict, and detect anomalies with state-of-the-art machine
learning methods. Packt.
– Box, G.E., Jenkins, G.M., Reinsel G.C., Ljung, G.M. (2015). Time Series Analysis: Forecasting and Control, 5th edition. Wiley.
– Caiado, J. (2016). Métodos de Previsão em Gestão com aplicações em Excel, 2.ª Edição (revista e aumentada). Edições Sílabo.
– Gilliland, M., Tashman, L., Sglavo, U. (2021). Business Forecasting: The Emerging Role of Artificial Intelligence and Machine Learning.
Wiley.
– Hyndman, R.J., Athanasopoulos, G. (2021). Forecasting: Principles and Practice, 3rd edition. OTexts.
– Nielsen, A. (2019). Practical Time Series Analysis: Prediction with Statistics and Machine Learning. O’Reilly Media.
– Peixoto, M. (2022). Time Series Forecasting in Python. Manning.