Temario curso

Tema 1: Introducción a las series temporales

• Visión general de las series temporales
• Aplicaciones de las series temporales en todos los sectores
  • Uso en Finanzas y Economía
    • Análisis del Mercado de Valores
    • Análisis de Riesgo de Mercado
    • Análisis de Riesgo de Crédito
    • Análisis de las condiciones económicas
  • Uso en ventas y marketing
    • Previsión de las ventas al por menor
    • Análisis y planificación de la estacionalidad
    • Gestión de inventarios
    • Análisis de campañas de marketing
    • Segmentación de clientes
  • Uso en el cuidado de la salud
    • Análisis de las características del paciente en el tratamiento de las comorbilidades
    • Detección y predicción de enfermedades
  • Uso en ciencias meteorológicas y ambientales
  • Uso en el transporte y la gestión del tráfico
• Preparación de datos de series temporales

Tema 2: Descripción general de las bibliotecas de series temporales en Python

• Pandas para series temporales
• NumPy para series temporales
• Profeta de las series temporales
• AutoTS para series temporales

Tema 3: Visualización de datos de series temporales

• Introducción a las bibliotecas de visualización de series temporales de Python
  • Explorando Matplotlib y sus usos
  • Explorando Seaborn y sus usos
  • Explorando Plotly y sus usos
• Gráficos básicos de series temporales con Matplotlib
  • Diagrama de líneas
  • Diagrama de dispersión
  • Diagrama de caja
  • Histograma
• Visualización avanzada de series temporales con Seaborn
  • Mapa de calor
  • Parcelas de pares
• Visualización interactiva de series temporales con Plotly
  • Parcela de área
  • Gráfico de velas

Tema 4: Análisis exploratorio de datos de series temporales

• Carga e inspección de datos de series temporales
• Descripción de la estadística descriptiva
  • Significar
  • Mediana
  • Modo
• Explorando la descomposición de series temporales
  • Tendencia
  • Estacionalidad
  • Nivel
  • Ruido
• Realización de análisis de estacionariedad
  • Prueba de Dickey-Fuller aumentada
  • Prueba de Kwiatkowski-Phillips-Schmidt-Shin (KPSS)
• Revisión de la autocorrelación y la autocorrelación parcial
  • Autocorrelación
  • Autocorrelación parcial
• Exploración de las estadísticas continuas

Tema 5: Ingeniería de características en series temporales

• Ingeniería de características univariantes
  • Creación de entidades univariantes basadas en retrasos
  • Cálculo de estadísticas continuas
  • Cálculo de estadísticas de ventana expandible
  • Cálculo de medias móviles exponenciales
• Ingeniería de características multivariante
  • Creación de entidades multivariante basadas en retrasos
  • Creación de funciones basadas en términos de interacción
  • Creación de entidades agregadas

Tema 6: Pronóstico de series temporales - Enfoque de ML Parte 1

• Introducción de datos
• Entendiendo la Media Móvil Integrada Autorregresiva (ARIMA)
  • Documentación del modelo
• Aplicación de ARIMA en datos de series temporales
• Ilustración de modelos de suavizado exponencial
  • Documentación del modelo
  • Aplicación de suavizado exponencial simple en datos de series temporales
  • Doble suavizado exponencial
  • Aplicación de suavizado exponencial doble en datos de series temporales
  • Suavizado exponencial triple
    • Aplicación de suavizado exponencial triple en datos de series temporales
• Explorando el algoritmo de Prophet
  • Aplicación de Prophet en datos de series temporales

Tema 7: Pronóstico de series temporales - Enfoque ML Parte 2

• Introducción de datos
• Aplicación de modelos ocultos de Markov (HMM)
  • Aplicación de HMM en datos de series temporales
• Entendiendo el proceso gaussiano
  • Aplicación del proceso gaussiano en datos de series temporales
• Desarrollo de un enfoque basado en ML para la previsión de series temporales
• Aplicación de la máquina de vectores de soporte
  • Aplicación de SVM en datos de series temporales
• Aplicación de K-Vecino más cercano (KNN)
  • Aplicación de KNN en datos de series temporales
• Implementación con Random Forest
  • Aplicación de Random Forest en datos de series temporales
• Implementación con Gradient Boosting
  • Aplicación de Gradient Boosting en datos de series temporales

Tema 8: Predicción de series temporales - Enfoque DL

• Introducción de datos
• Comprensión de las redes de memoria a corto y largo plazo
• Desarrollo de un enfoque basado en el aprendizaje profundo para la previsión de series temporales
• Aplicación de unidades recurrentes cerradas
  • Aplicación de GRU en los datos de series temporales
• Aplicación de redes neuronales convolucionales
  • Aplicación de la CNN en los datos de series temporales

Tema 9: Series temporales multivariantes, métricas y validación

• Introducción de datos
• Descripción de la regresión automática de vectores
  • Aplicación del VAR en datos de series temporales
• Aplicación del modelo de corrección de errores vectoriales
• Aplicación de VECM en datos de series temporales
• Entendiendo VARMAX
• Aplicación de VARMAX en datos de series temporales
• Métricas para series temporales