Introducción al Análisis de Series de Tiempo en Python

[Curso modo no presencial]

El objetivo del presente taller es introducir los elementos conceptuales, metodológicos y técnicos relativos a cada uno de los eslabones de la cadena de valor del trabajo con datos para efectos del tratamiento de aquellos que constituyen series de tiempo. En particular, el desarrollo de las técnicas de análisis de series de tiempo han permitido la ampliación de un conocimiento más profundo en distintos dominios donde los fenómenos relevantes muestran un componente dinámico fundamental. Por su parte, la cadena de valor del trabajo con datos se compone de la adquisición (carga de datos de texto), preprocesamiento (limpieza de texto), análisis (descriptivo), visualización (gráficos) y descubrimiento (clasificación y reducción de dimensiones).

Horario:

Lunes de 19:00 a 22:00 horas
a partir del lunes 15 de Junio

15 cupos disponibles

Curso modo no presencial
¡No te quedes fuera!

CLP$120.000

Consultar opción de pago: Pago Fácil o PayPal
5 Sesiones (15 horas)

Descripción

Objetivos

Objetivos generales:

Desarrollar los fundamentos que permiten la introducción al análisis de series de tiempo

 

Objetivos específicos:

  • Presentar el panorama general en el modelamiento y aplicaciones en el campo de las series de tiempo
  • Desarrollar herramientas de adquisición y limpieza de datos organizados en formatos periódicos
  • Introducción a los principales métricas descriptivas de una serie de tiempo univariada
  • Descomposición y pronóstico sobre series de tiempo univariadas: tendencias, ciclos, estacionalidad y ruido.
  • Pronóstico mediante modelos autorregresivos (AR) en series de tiempo.
Público Objetivo
Requisitos mínimos

Programa del Curso

5 sesiones (15 hrs)

Sesión 1:
Introducción

  • Introducción a la organización del trabajo con datos: etapas críticas y modelos de organización
  • Series de tiempo: breve historia y principales aplicaciones
  • Instalación y principales herramientas de programación en Python



Sesión 2:
Adquisición, limpieza y preparación de datos

  • Librerías para el trabajo con datos y tratamiento de series de tiempo
  • Limpieza de datos de texto
  • Tratamiento de datos periódicos
  • Análisis descriptivo en series univariadas

Sesión 3:
Descomposición en serie de tiempo univariadas

  • Descomposición de una serie de tiempo
  • Tratamiento de estacionalidad
  • La interpretación de tendencias
  • Los ciclos y su significado
  • El ruido como componente aleatorio


Sesión 4:
Pronóstico en serie de tiempo univariadas

  • Filtro de suavizamiento exponencial
  • Filtro de Holt-Winter
  • Filtro de Hodrick-Prescott 

Sesión 5:
Pronóstico mediante modelos autorregresivos

Distintas estrategias de modelamiento: AR, ARMA, ARIMA, SARMA, SARIMA










Facilitador

Felipe Ruiz  Bruzzone
Rodrigo Fernández Albornoz: Sociólogo y Magister en Economía Aplicada de la Universidad de Chile.
  • Diploma de Postítulo en Ciencia e Ingeniería de Datos del Departamento de Computación de la Universidad de Chile y Diploma en Internet de las Cosas y sus aplicaciones a la industria de la Escuela de Ingeniería de la Pontificia Universidad Católica de Chile.
  • Con experiencia en el sector público, privado y académico, actualmente es Coordinador y Docente del Programa de Diplomado en Data Mining de la Facultad de Administración y Economía de la Universidad de Santiago, e Investigador del Laboratorio de I+D+i empresarial del Centro de Innovación UC.

Mantengamos el Contacto

Contactanos para ser parte de nuestro CoWork


CONTACTAR

Síguenos

Copyright © 2017 Estación Lastarria. Todos los Derechos Reservados.
Diseño por DesignSeo Marketing Digital & SEO

Search