En este curso se presentarán los principales conceptos, algoritmos y métodos en Series de Tiempo. Para ello, con la ayuda del lenguaje Python y paquetes relacionados con series de tiempo se verá como limpiar, manipular y crear una serie de tiempo para que pueda ser analizada y posteriormente poder aplicar modelos predictivos que sean especialmente para datos de tipo series de tiempo.

Objetivos

En este curso el estudiante será capaz de:

1. Entender la necesidad de la utilización de modelos, algoritmos, software especial para la predicción en Series de Tiempo.
2. Limpiar, manipular y corregir datos de tipo series de tiempo.
3. Aprender las técnicas estadísticas aplicables a datos tipo series de tiempo para preparar pronósticos.
4. Aprender procesos y técnicas para preparar y visualizar series de tiempo en Python.
5. Aprender los métodos basados en regresión, suavizado exponencial, Método de Holt Winters, métodos ARIMA y Deep Learning.
6. Utilizar Python para analizar datos reales de Series de Tiempo.

Metodología

Basado en la teoría y en la aplicación directa de los conceptos aprendidos. Para esto se dispondrán de las siguientes herramientas:

1. Una vídeo conferencia semanal, las cuales quedarán grabadas en Zoom, para que los alumnos la puedan acceder en cualquier momento.
2. Trabajos prácticos semanales.
3. Foros para plantear dudas al tutor y compañeros.
4. Aula virtual en Moodle.

Luego de este curso el estudiante será capaz de:

Desarrollar y programar proyectos de Machine Learning que involucren extraer, limpiar, corregir, analizar y predecir problemas relacionados con Series de Tiempo.

Evaluación

El curso se evalúa con 4 tareas, una por semana, cada tarea tiene un valor de 25 puntos. La nota mínima de aprobación es de 70