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

En este curso el estudiante será capaz de:

1. Utilizar el paquete forecasteR en R para trabajar con Series de Tiempo.
2. Aprender procesos y técnicas para preparar y visualizar Series de Tiempo en forecasteR.
3. Entender la necesidad de la utilización de modelos, algoritmos, software especial para la predicción en Series de Tiempo.
4. Aprender las técnicas estadísticas aplicables a datos tipo series de tiempo para preparar pronósticos.
5. Aprender los métodos basados en regresión, suavizado exponencial, Método de Holt Winters, métodos ARIMA y Redes Neuronales.
6. 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:

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 proyectos de Minería de Datos que involucren manipulación, corrección, calibración y predicción de modelos en 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.