Sintesi del progetto
ATS sviluppa una soluzione robusta e riutilizzabile per individuare anomalie in serie temporali. Il progetto integra tecniche di clustering, densità, metodi predittivi e approcci supervisionati e non supervisionati applicabili sia in ambito bancario che nell’analisi dei dati astrofisici.
Obiettivi
L’obiettivo principale del progetto è realizzare una libreria flessibile in grado di identificare in modo coerente e affidabile pattern anomali in serie temporali eterogenee. ATS mira a creare strumenti che possano essere impiegati sia da istituti finanziari sia da enti di ricerca, permettendo una rapida estensione a nuovi dataset. Inoltre, un ulteriore obiettivo è garantire che gli algoritmi implementati favoriscano la condivisione e il miglioramento continuo da parte della comunità scientifica e tecnologica.
Problemi e necessità
Le serie temporali mostrano anomalie rare e difficili da intercettare. Nei dati bancari possono infatti indicare frodi o problemi di qualità. D’altro canto, la loro presenza in astrofisica è indice della presenza di eventi rari o difetti strumentali.
Soluzioni sviluppate
ATS affronta queste sfide attraverso lo sviluppo di una libreria Python open‑source che integra differenti metodologie di anomaly detection. Le tecniche implementate includono metodi basati sulla densità, algoritmi predittivi e approcci supervisionati e non supervisionati. Le risorse HPC hanno consentito il pre‑processing e l’addestramento dei modelli predittivi. L’adozione di un framework modulare permette agli utenti di selezionare facilmente i metodi più adatti al proprio dominio applicativo.
Impatti
Le soluzioni sviluppate consentono di individuare anomalie con maggiore precisione, migliorando la qualità complessiva dei dati analizzati. In ambito bancario questo può tradursi in una riduzione dei rischi operativi derivanti da frodi o errori. Nel settore astrofisico, invece, l’identificazione di eventi rari permette di ottimizzare i processi di osservazione e di validazione scientifica. Inoltre, la disponibilità di una libreria riutilizzabile favorisce l’integrazione di queste tecniche in nuovi progetti, ampliando le possibilità applicative.
Settori di applicazione
La libreria potrà essere utilizzata per Analisi Scientifiche, Rilevazione di Frodi, Monitoraggio Industriale e Controllo qualità nei sistemi tecnologici. La sua versatilità la rende adatta a qualunque contesto in cui siano disponibili serie storiche e serva uno strumento affidabile di analisi automatica.
