Le serie temporali giocano un ruolo sempre più importante in una moltitudine di ambiti, tra cui il monitoraggio e la manutenzione di macchine industriali. La diffusione dell’Internet of Things ha aumentato la facilità con cui è possibile reperire dati temporali e allo stesso tempo ha evidenziato l’importanza di sviluppare nuovi sistemi in grado di sfruttare l’enorme quantità di informazioni contenuta in tali dati. Uno dei campi maggiormente interessanti nel Machine Learning è l’Anomaly Detection, ossia l’identificazione dell’inaspettato. L’anomaly detection viene applicata in molti contesti, come la sicurezza online, il controllo dei processi industriali o l’analisi del comportamento dei clienti. Nel caso specifico di questa tesi i dati analizzati sono metriche di servizi online e dati provenienti da dispositivi IoT installati su veicoli industriali.