Algoritmos, Redes Complexas, Séries Temporais
Descrição da Oportunidade
O trabalho de investigação a realizar envolverá os seguintes passos: Analisar o trabalho existente na literatura sobre previsão de séries temporais de intervalos, representações de séries temporais baseadas em grafos (por exemplo, grafos de quantis e de visibilidade), técnicas de previsão de ligações em redes dirigidas e com pesos, e abordagens de previsão colaborativa com preservação da privacidade; Adaptar ou desenvolver uma abordagem de previsão de ligações adequada para previsão em grafos de quantis, considerando as direções e os pesos das arestas para captar e prever dinâmicas dependentes do tempo; Adaptar ou desenvolver o processo inverso para os grafos de quantis para reconstruir séries temporais de intervalos sintéticas a partir de grafos de quantis atualizados; Integrar os métodos acima numa pipeline de previsão colaborativa, permitindo que múltiplas entidades contribuam através de representações dos dados como grafos sem partilhar os seus dados originais; Testar a ferramenta desenvolvida dados reais, como séries temporais de consumo de eletricidade, e comparar o desempenho da previsão e da preservação da privacidade com métodos (potencialmente) existentes na literatura; Compilar os resultados num relatório final.
Habilitações Académicas
Licenciatura em Ciência dos Computadores, Engenharia Informática, Ciência de Dados, ou área afim.
Requisitos Mínimos
Conhecimento de métodos de mapeamento de séries em grafos.Capacidade de trabalho autónomo, espírito crítico e interesse por investigação científica.
Fatores de Preferência
Conhecimentos e experiência com análise de redes complexas e teoria de grafos e análise de séries temporais. Trabalho anterior relacionado com os tópicos do trabalho. Experiência com as linguagens de programação C e Python.
Período de candidatura
Desde 26 Jun 2025 a 09 Jul 2025
Centro
Sistemas de Computação Avançada