Herramientas para Análisis y Pronóstico de
Series de Tiempo
en R

En este curso revisaremos algunos paquetes y métodos que se han desarrollado para abordar grandes colecciones de series de tiempo, con especial énfasis en su aplicación práctica en R. Al final del curso, el participante será capaz de identificar aproximaciones adecuadas para abordar problemas de pronóstico, poseer una caja de herramientas para generar pruebas de concepto e investigar por cuenta propia nuevas metodologías y la teoría asociada a ellas.

Horario

Lunes de 19:00 a 21:15 horas
desde el lunes 18 de octubre
(5 sesiones)

Participantes

20 Cupos Disponibles
¡No te quedes fuera!

CLP$100.000

Paga con Transferencia Electrónica, Tarjeta Crédito/Débito, Pay Pal o Criptomonedas

Inscribete Ahora

Sobre el Curso

Los participantes aprenderán a:

  • Manipular series de tiempo desde una perspectiva tidy.
  • Visualizar y caracterizar series de tiempo
  • Seleccionar y evaluar metodologías de pronóstico adecuados a las problemáticas propuestas
  • Implementar de manera eficiente algoritmos de pronóstico
  • Investigar y profundizar en la teoría asociada a los métodos de pronóstico de manera autónoma

Estudiantes, consultores y profesionales de áreas como Economía, Finanzas e inversiones, Gestión de Operaciones, Energética o Ambiental, Actuaría, Ciencias Sociales, interesados en resolver problemas de pronóstico en sus respectivas organizaciones.

  • Soporte técnico para tomar clases virtuales (computador, conexión a internet estable, etc). 
  • R + RStudio instalados, así como librería de R como forecast, xts, zoo, prophet, fable, rsample, time_tk, modeltime, tsibble, nnfor, ssa, anomalize, entre otras.
  • Conocimientos básicos de programación en R utilizando tidyverse.

Descarga el Programa completo de este curso

Programas del Curso

Sesión 1

Introducción

  • Presentación del curso
  • Introducción a Series de Tiempo y Forecasting
  • Contexto actual: revisión competencias de Forecasting
  • Forecasting y negocios
  • Forecasting y Machine Learning
  • Nuestro primer modelo: aplicación de prophet (Facebook)

Sesión 2

Herramientas para manipulación y
visualización de Series de Tiempo

  • Conceptos básicos de Series de Tiempo
  • Análisis de Datos Exploratorio (EDA) para Series de Tiempo
  • Visualización estática y dinámica de Series de Tiempo
  • Autocorrelación y Autocorrelación Parcial
  • Ruido Blanco
  • Métodos ingenuos de Forecasting
  • Métricas de evaluación de pronósticos
  • Visualización de Estacionalidad 
  • Visualización de Anomalías
  • Descomposición STL
  • Manipulación y Agregación de Series de Tiempo

Sesión 3

Feature Engineering para Series de Tiempo

  • Reducción de Varianza
  • Ventanas rodantes 
  • Normalización y Estandarización
  • Imputación de Series de Tiempo
  • Rezagos (lags) y diferenciación
  • Series y coeficientes de Fourier
  • Tendencia, Estacionalidad y efectos de Calendario
  • Interacciones
  • Variables autocorrelacionadas
  • Eventos Especiales
  • Regresores Externos

Sesión 4

Modelos de Pronóstico de Series de Tiempo

  • Exponential Smoothing (ETS)
  • Seasonal Decomposition
  • Modelos AR, MA, ARIMA, SARIMA y SARIMAX (Dynamic regression)
  • BATS-TBATS
  • Prophet (Facebook)
  • Seasonal-Trend Decomposition using Regression (STR)

Sesión 5

Modelos de Pronóstico de Series de Tiempo y
Machine Learning para Forecasting

  • Singular Spectrum Analysis (SSA)
  • Croston’s Method
  •  Autoregressive Artificial Neural Networks 
  • SVM
  • Random Forecast
  • kNN
  • XGBoost

Facilitador

Bastián Aballay Leiva

Ingeniero Civil Industrial (Universidad Técnica Federico Santa María), Magíster en Ciencias de la Ingeniería Industrial mención Finanzas (Universidad Técnica Federico Santa María) y Diplomado en Ciencia de Datos (Universidad del Desarrollo).

Forma parte del equipo de Analítica Avanzada de Coca-Cola Embonor como Data Scientist.

¿Tienes alguna duda?