Desarrollo de un sistema de generación de series temporales para propósitos de aprendizaje automático

Abstract

Existe una gran demanda de datos para el entrenamiento de modelos de aprendizaje automático. Sin embargo, la oferta no suele suplir tal necesidad debido a problemas de suficiencia, sesgo, privacidad y coste, entre otros. Los datos sintéticos, datos obtenidos artificialmente tratando de simular datos reales, satisfacen dicho requisito. En este proyecto se estudian los distintos tipos de datos sintéticos y técnicas para generarlos que existen en la actualidad. Además, se desarrolla una aplicación web basada en un sistema software capaz de generar datos sintéticos tabulares acerca del estado en el que se encuentra un individuo durante la pandemia que consterna a la población mundial desde el año 2020, el COVID-19. Se obtienen series temporales sobre el COVID-19 mediante una técnica híbrida que combina dos de los grandes métodos de generación de datos sintéticos; a saber, generación basada en reglas y procesos estocásticos. Esta herramienta es adaptable a otros casos de uso simplemente cambiando el modelo matemático que modela el fenómeno que se estudia.