Curso avanzado de Series Temporales con R y Python
What you'll learn
- 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
Requirements
- Es recomendable haber cursado anteriormente el curso de probabilidad y el de estadística inferencial
- Es recomendable haber cursado anteriormente el curso de estadística multivariante
- Se necesitan conocimientos básicos de programación en R y en Python
- Disponer de un ordenador con conexión a internet para utilizar R y Python
Description
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.
Who this course is for:
- Estudiantes de ingenierías, medicina o economía que busquen entender las correlaciones basadas en el tiempo y los modelos de series temporales
- Estudiantes de estadística que quieran profundizar en el análisis de tiempo
- Ingenieros de IA y ML que quieran conocer acerca del análisis de series temporales
- Estudiantes de doctorado que quieran conocer acerca del análisis de series temporales
- Empresas o usuarios que quieran hacer análisis de finanzas, evolución de datos médicos, y en general de cualquier información que dependa del tiempo
Instructors
- 4.6 Instructor Rating
- 3,992 Reviews
- 44,209 Students
- 14 Courses
Hola a todos, soy Eli, la creadora de Aprende con Eli. Soy una joven profesora apasionada del Análisis de Datos. Sobre mi formación, soy Licenciada en Matemáticas por la Universidad de La Habana, ciudad en la que nací y crecí hasta que después de graduarme gané una beca para hacer el máster en la Universidad Carlos III de Madrid, España. Y luego, terminé haciendo el doctorado en la especialidad de Estadística. Actualmente me dedico a la investigación de métodos robustos de detección de atípicos, un campo que tiene muchísima importancia en Medicina, Neurociencia, Química, Geoquímica, Finanzas, entre muchos otros. Además de trabajar en investigación, soy profesora en la Universidad Carlos III de Madrid, donde tengo más de 10 años de experiencia impartiendo la asignatura de Estadística. He tenido alumnos de Ingeniería Informática, Telecomunicaciones, Industriales, Mecánica, Eléctrica, Administración de Empresas y ADE+Derecho. Me encanta todo lo relacionado con Data Mining, detección de atípicos, clustering, clasificación, regresión lineal, regresión logística, análisis discriminante, Machine Learning, Artificial Intelligence y Big Data, especialmente en R, Matlab o Python.
Sobre mí personalmente puedo decirles que también tengo una vena artística, me encanta tocar la guitarra, cantar covers, dibujar, escribir y la fotografía. Soy siempre muy positiva e intento no perder nunca la motivación por alcanzar mis objetivos. Y otra de mis pasiones es enseñar, ver que los estudiantes no solo "aprueban" sino que realmente aprenden. Eso me ha motivado crear estos cursos en Udemy, el saber que puedo enseñar la Estadística de una forma más práctica y más amena, porque a lo largo de mi experiencia docente he aprendido que los alumnos no suelen entender los conceptos porque no se explica a veces la conexión que hay entre todos ellos y el por qué es importante entenderlos.
Espero que te animes a pasar mis cursos y que te ayuden con tus objetivos académicos. En mi web Aprende con Eli, puedes obtener ¡2 libros gratis! Además encontrarás todos los cursos con descuento y un blog donde debatimos cosas interesantes como por ejemplo ¿cuál es la diferencia entre machine learning e inteligencia artificial?
¡Nos vemos en clase!
- 4.6 Instructor Rating
- 3,992 Reviews
- 44,209 Students
- 14 Courses
¿Te interesa la Ciencia de Datos, los modelos estadísticos o la Inteligencia Artificial?
¿Te gustaría aprender a analizar datos con R o Python?
¿Necesitas ayuda para encontrar trabajo como científico o analista de datos?
¿Tienes problemas para poder avanzar en tu proyecto de Ciencia de Datos?
¿Quieres aprender sobre estas disciplinas y no sabes por dónde empezar?
Si has contestado que sí a alguna de estas preguntas, entonces has llegado al lugar correcto. En la academia online Aprende con Eli encontrarás las respuestas a todas tus inquietudes. Somos fieles defensores del aprendizaje en línea como una alternativa más económica y mucho más rápida y efectiva que la educación reglada o universitaria.
Brindamos herramientas de formación personal y profesional para aprender a tu ritmo, en cualquier lugar donde te encuentres, en el horario que mejor te venga, con todo el material disponible, incluyendo conceptos, teoría, ejemplos, casos prácticos explicados al completo, códigos tanto en R como en Python y por supuesto ejercicios prácticos, cuestionarios, tareas, y material complementario para poder seguir los cursos sin ningún problema y que al completarlos seas un experto del análisis de datos.
¡Echa un vistazo a todas las opciones que tenemos!