Pablo Montero Manso, profesor en la Universidad de Sidney y actualmente investigador visitante en Google, impartirá el próximo 11 de julio a las 12:00 una conferencia en el salón de Grados de la Facultad de Informática de la UDC, que también se podrá seguir a través de este enlace. En su ponencia, promovida por el grupo MODES, Montero Manso presentará resultados sobre cómo las grandes redes neuronales preentrenadas pueden convertirse en estimadores estadísticos casi óptimos, con aplicaciones significativas en la previsión de series temporales. 

Montero Manso analizará cómo estas redes, entrenadas en un extenso número de simulaciones derivadas de procesos de generación de datos, pueden superar a las propias familias de modelos que generan dichos datos. Por ejemplo, una red neuronal entrenada en simulaciones ARIMA (AutoRegressive Integrated Moving Average) puede llegar a ser más precisa en la predicción de nuevas observaciones de verdaderos procesos ARIMA que un estimador canónico de Máxima Verosimilitud + AIC para el ARIMA.  

Montero Manso propone en uno de los ejemplos del estudio una solución aproximada a un problema que ha desafiado a la comunidad de series temporales durante décadas: el rompecabezas de la combinación de modelos de previsión, o cómo encontrar las ponderaciones óptimas para la combinación de modelos. 

Estos «estimadores artificiales» han demostrado un rendimiento extraordinario en datos reales. Una red «simple» entrenada en combinaciones de simulaciones ARIMA y de Suavizado Exponencial con innovaciones Student-t alcanzó una precisión Top-1 en muchos conjuntos de datos de referencia, superando incluso arquitecturas de redes neuronales ad-hoc extremadamente sofisticadas y otros modelos de Aprendizaje Automático. 

El estudio de Montero Manso también aborda las limitaciones del paradigma y los resultados del teorema «No-Free-Lunch». Aunque el entrenamiento de estos grandes modelos es costoso, es accesible con hardware de consumo y la inferencia es rápida.  

Sobre Pablo Montero Manso 

Pablo Montero Manso es profesor titular en la Universidad de Sidney y actualmente investigador visitante en Google. Su investigación se centra en el aprendizaje automático, la inteligencia artificial y las herramientas estadísticas para el análisis de series temporales, abarcando la previsión, la clasificación, la agrupación y la visualización de datos. Pablo ha desarrollado modelos predictivos galardonados en importantes concursos de predicción como el M4 y el M6, y sus modelos han sido adoptados por la industria. 

Durante la pandemia de COVID-19, Montero Manso contribuyó con modelos y predicciones precisas sobre la evolución de la pandemia, que fueron parte del proceso de toma de decisiones en Australia, España y la Unión Europea. Además, es miembro del consejo asesor del proyecto WHY, que analiza el consumo energético de los hogares europeos para la elaboración de políticas, y es autor y colaborador de varias herramientas de código abierto y conjuntos de datos en Python y R, incluido el popular paquete TSclust para la agrupación de series temporales.