Le domaine de la prévision des séries temporelles est en pleine évolution. D'un côté, les conférences voient une prolifération de nouveaux modèles de Transformers dédiés à cette tâche. De l'autre, dans les projets de forecasting en production, les modèles ensemblistes comme LGBM dominent largement, tandis que les approches de Deep Learning sont presque absentes. Cela soulève une question cruciale : les modèles de Deep Learning ont-ils vraiment un intérêt limité en production ? L'article Les modèles de Deep Learning appliqués aux séries temporelles ont-ils un intérêt limité en production ? est apparu en premier sur Quantmetry.