Este artículo propone ELATE (Modelo de Lenguaje Evolutivo para la Ingeniería Automatizada de Series Temporales), un novedoso método para automatizar la ingeniería de características en la predicción de series temporales mediante modelos de aprendizaje automático. ELATE automatiza la ingeniería de características para datos de series temporales aprovechando modelos de lenguaje dentro de un marco evolutivo. Automatiza el proceso de ingeniería de características, tradicionalmente manual y laborioso, generando características mediante estadísticas de series temporales y medidas de importancia de características, y eliminando características redundantes. Los resultados experimentales muestran una mejora promedio del 8,4 % en la precisión de la predicción en diversos dominios.
