4.6  212 reviews on Udemy

Curso avanzado de Series Temporales con R y Python

Aprende a analizar series de tiempo con casos prácticos como el coronavirus, el bitcoin o datos del mercado financiero
Course from Udemy
 1861 students enrolled
 es
Introducción al mundo de las series temporales y al análisis del tiempo
Implementación de los análisis en R y Python
Estudio de datos del coronavirus
Estudio del Bitcoin
Estudio de Precios del mercado financiero
¿Qué modelo usar en la práctica?
Modelos autorregresivos
Modelos de medias móviles
Modelos ARMA y ARIMA
Modelos estacionales y con variables exógenas SARIMAX
Modelos automáticos Auto ARIMA
Estudio de la volatilidad a través de ARCH y GARCH
Librerías más usadas: Yahoo Finance, Facebook prophet, Auto Arima, etc

Ya sea que queremos predecir la tendencia en los mercados financieros o el consumo de electricidad, el tiempo es un factor importante que  debe considerarse en nuestros modelos. Por ejemplo, sería interesante pronosticar a qué hora del día habrá un consumo máximo de electricidad, como ajustar el precio o la producción de electricidad, o como consumidor, cuándo poner los electrodomésticos que más consumen para ahorrarnos dinero.

Una serie temporal o serie de tiempo, es una sucesión de datos medidos en determinados momentos y ordenados cronológicamente. Los datos pueden estar espaciados a intervalos iguales (como la temperatura en un observatorio meteorológico en días sucesivos al mediodía) o desiguales (como el peso de una persona en sucesivas mediciones en el consultorio médico, la farmacia, etc.).

En particular, en el análisis de series temporales, suelen surgir de forma natural preguntas muy concretas como por ejemplo

  • ¿Es estacionario?

  • ¿Hay una estacionalidad?

  • ¿La variable objetivo está autocorrelacionada?

Para el análisis de las series temporales o series de tiempo, se usan métodos que ayudan a interpretarlas y que permiten extraer información representativa sobre las relaciones subyacentes entre los datos de la serie o de diversas series y que permiten en diferente medida y con distinta confianza extrapolar o interpolar los datos y así predecir el comportamiento de la serie en momentos no observados, sean en el futuro (extrapolación pronóstica), en el pasado (extrapolación retrógrada) o en momentos intermedios (interpolación). Todo lo que necesitas para poder llevar a cabo este tipo de análisis lo tienes explicado en este curso con dos lenguajes de programación, R y Python.

En nuestro curso cubriremos desde el concepto de serie de tiempo, su modelización y creación tanto en R como en Python, y más de 10 técnicas diferentes sobre como analizarlas correctamente, entender las correlaciones entre las diferentes variables de nuestros datos y el tiempo y a hacer pronósticos a futuro sobre cual será el próximo precio de una acción, cuando terminará el confinamiento debido al COVID19  o cuando terminará la ola de calor en una determinada región.

Además, tendrás todo el código fuente desde el minuto cero, plantillas de código para utilizar en tus propios análisis, acceso a una comunidad exclusiva de estudiantes, que como tu, buscan aprender acerca del análisis de series temporales, y más de 14 horas de video de alta calidad con todas las explicaciones necesarias para convertirte en el próximo Lobo de Wall Street.

Nos vemos en clase y esperamos que disfrutes de nuestro curso avanzado de series temporales con R y Python.

Curso avanzado de Series Temporales con R y Python
$ 94.99
per course
Also check at

FAQs About "Curso avanzado de Series Temporales con R y Python"

About

Elektev is on a mission to organize educational content on the Internet and make it easily accessible. Elektev provides users with online course details, reviews and prices on courses aggregated from multiple online education providers.
DISCLOSURE: This page may contain affiliate links, meaning when you click the links and make a purchase, we receive a commission.

SOCIAL NETWORK