Forecasting con Python

Aprende a realizar pronósticos de series temporales mediante de la implementación de código Python. Domina técnicas estadísticas tradicionales y modelos de machine learning para predecir el valor futuro de múltiples fuentes de datos. Profundiza tus conocimientos sobre datos temporales, pruebas estadísticas, modelos de aprendizaje automático y métricas de evaluación.

Curso

Aprende y certifícate

Este curso emplea librerías de código abierto de Python que facilitan la ejecución de tareas estándar dentro de los proyectos de machine learning.

Por medio de la escritura de pocas líneas de código trabaja de punta a punta en la implementación de modelos predictivos para series temporales. Adicionalmente, evalúa y compara las estimaciones de múltiples modelos para obtener las mejores predicciones.

Automatiza la ejecución de modelos: ARIMA, Suavizado exponencial, Ridge, Lasso, Random Forest, Light Gradient Boosting y Prophet.

Finalmente, ejecuta un proyecto en donde pondrás en práctica los conocimientos adquiridos simulando un entorno productivo.

Al finalizar este curso tendrás la capacidad de:

Implementar código Python mediante el trabajo con notebooks.
Comprender la estructura de las series temporales y sus principales características.
Realizar el análisis exploratorio de datos y emplear pruebas estadísticas con datos temporales.
Ejecutar modelos estadísticos y de machine learning para generar predicciones futuras.
Comparar múltiples modelos y evaluar métricas para garantizar un alto desempeño.
Implementar de punta a punto el flujo de trabajo en proyectos de forescasting.

INICIO:

4 de abril al
28 de abril

MODALIDAD:

Online en vivo

DURACIÓN:

30 horas distribuidas
en 4 semanas

HORARIO:

martes, miércoles y jueves: 18h30 a 20h30 (GTM-5 Quito, Lima y Bogotá)

BENEFICIOS:

  • Clases virtuales 100% en vivo.
  • Certificado open badge verificable internacionalmente.
  • Un curso online a tu ritmo para homologación 100% gratis.
  • Mentor asignado, que te guiará durante todo tu aprendizaje.
  • Clases grabadas para que puedas revisarlas en cualquier momento.
  • Un proyecto final para aprender con casos reales.
Inscríbete
Consulta precios en tu moneda local, descarga nuestro brochure
forma

TEMARIO: Forecasting con Python

Introducción a las series temporales y librerías de Python
Introducción a las series temporales y librerías de Python

Asimila las nociones básicas al trabajar sobre datos temporales por medio del manejo de librerías de Python.

Análisis exploratorio de series temporales
Análisis exploratorio de series temporales

Ejecuta la descomposición de las series de tiempo para identificar aspectos como: estacionalidad, tendencia y residuos. Emplea visualizaciones interactivas para analizar el comportamiento de los datos temporales en diversos conjuntos de datos.

Modelos de suavizado exponencial
Modelos de suavizado exponencial

Implementa el modelo de suavizado exponencial para el pronóstico de series temporales.

Modelo autorregresivo integrado de promedio móvil
Modelo autorregresivo integrado de promedio móvil

Despliega el modelamiento con los métodos ARIMA y auto ARIMA en función de la estadística tradicional.

Modelos lineales de Machine Learning
Modelos lineales de Machine Learning

Aplica los modelos Ridge y Lasso que manejan los supuestos de linealidad para la generación de las predicciones.

Modelos avanzados de Machine Learning
Modelos avanzados de Machine Learning

Ejecuta los modelos de Random Foresst y LightGMB basados en el método de “ensemble” para obtener un mejor rendimiento predictivo.

Modelo aditivo Prophet
Modelo aditivo Prophet

Implementa el modelo creado por Facebook que se fundamenta en una regresión aditiva con una tendencia de curva de crecimiento.

Proyecto Final
Proyecto Final

Trabajarás con datos reales, para poner en práctica los conceptos aprendidos durante los módulos anteriores.

forma 2
Ruta de aprendizaje
Infografía de los perfiles con Forecasting
forma
Cualidades de cada perfil
Certificado Open bagde

Analista de Datos

Recopila, organiza y estudia los datos para proporcionar soluciones desde una visión de negocio. Aplica herramientas de análisis y visualización de datos para la toma de decisiones y presentación de resultados.

Metodología Learning by doing

Científico de Datos

Emplea datos para identificar y resolver problemas de negocio complejos. Tiene un enfoque interdisciplinario, utilizando técnicas y conocimientos de diversas disciplinas científicas e informáticas.

Enfoque endatos masivos

Ingeniero de Datos

Prepara, refina y disponibiliza datasets de calidad y los integra en la arquitectura empresarial, creando flujos automatizados de datos que provienen de fuentes estructuradas y no estructuradas.

Enfoque endatos masivos

Custodio de Datos

Define y maneja el uso de datos, ejecutando las políticas, criterios y procesos para asegurar la calidad, seguridad e integridad de los datos de la organización, de principio a fin.

¿Tienes más dudas?
Consulta con un asesor
facebook
linkedin
youtube
whatsapp
whatsapp
tiktok