En las organizaciones, como puede ser una universidad pública, sus redes informáticas recopilan grandes cantidades de datos todos los días, y frecuentemente es necesario detectar en esas series de tiempo los comportamientos anómalos. Por ejemplo, en la monitorización de los servidores de páginas webs, del correo electrónico, de las aulas informáticas o de los profesores, una tarea común es identificar aquellas máquinas que se comportan de forma inusual.
Una herramienta reciente que podemos utilizar en este tipo de tarea es anomalous-acm (Hyndman et al., 2015), destinada a calcular las características para cada serie de tiempo, como puede ser la estacionalidad o la entropía espectral, así como los valores extraños.
Muy recomendable en la detección de comportamientos anómalos en las redes sociales.
Referencias.
*Hyndman,R.J.; Wang,E.; Laptev,N.;Kang,Y. and Smith-Miles,K. (2015).
Visualization of big time series data. (URL: http://robjhyndman.com/talks/big-time-series/, acceso 31-5-2015)
