CD203 - Predicción de Inventarios y Series de Tiempo

En este curso se presentarán los principales conceptos, algoritmos y métodos en Series de Tiempo. El énfasis principal del curso será examinar dichos métodos desde un punto geométrico y de sus aplicaciones concretas. Se le dará especial importancia al uso de los conceptos en aplicaciones reales con bases de datos de gran tamaño, para esto se utilizarán algunos paquetes especializados sobre la plataforma de software libre R.

Objetivos de aprendizaje:

En este curso el estudiante será capaz de:

Utilizar el paquete forecasteR en R para trabajar con Series de Tiempo.
Aprender procesos y técnicas para preparar y visualizar Series de Tiempo en forecasteR.
Entender la necesidad de la utilización de modelos, algoritmos, software especial para la predicción en Series de Tiempo.
Aprender las técnicas estadísticas aplicables a datos tipo series de tiempo para preparar pronósticos.
Aprender los métodos basados en regresión, suavizado exponencial, Método de Holt Winters, métodos ARIMA y Redes Neuronales.
Utilizar forecasteR para analizar ejemplos con 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:

Una vídeo conferencia semanal, las cuales quedarán grabadas en Zoom, para que los alumnos la puedan acceder en cualquier momento.
Trabajos prácticos semanales.
Foros para plantear dudas al tutor y compañeros disponible 24/7.
Aula virtual en Moodle con materiales didácticos.

Instructor

Ph.D. Oldemar Rodríguez

Catedrático de la Universidad de Costa Rica, tiene un Ph.D. del UFR Matemáticas de la Decisión de la Universidad de París - PSL y un diploma postdoctoral de la Universidad de Stanford en California en "Data Mining and Applications". En la Universidad de Costa Rica obtuvo su bachillerato y licenciatura en Matemática Pura y en el Instituto Tecnológico de Costa Rica se graduó como Máster en Ciencias de la Computación.