Cet article propose ELATE (Evolutionary Language Model for Automated Time-series Engineering), une nouvelle méthode d'automatisation de l'ingénierie des caractéristiques pour la prévision des séries chronologiques à l'aide de modèles d'apprentissage automatique. ELATE automatise l'ingénierie des caractéristiques pour les données de séries chronologiques en exploitant les modèles de langage dans un cadre évolutif. Il automatise le processus d'ingénierie des caractéristiques, traditionnellement manuel et chronophage, en générant des caractéristiques à l'aide de statistiques de séries chronologiques et de mesures d'importance des caractéristiques, et en supprimant les caractéristiques redondantes. Les résultats expérimentaux montrent une amélioration moyenne de 8,4 % de la précision des prédictions dans divers domaines.
