Auto-reproducción
Autocompletar
Clase Previa
Completar y continuar
Análisis de Series de Tiempo con Python
Bienvenida al curso
Bienvenida al Curso (8:39)
Materiales a utilizar
Introducción a las Series de Tiempo
1.1 Introducción al módulo 1 (9:20)
1.2 Definición de Series de Tiempo (11:13)
1.3 Datos temporales vs no temporales (6:07)
1.4 Repaso de Conceptos Estadisticos Básicos (9:37)
1.5 Ejemplo de una serie temporales (6:06)
1.6 Propiedades de las series temporales (7:05)
1.7 Carga de datos y concepto de Cadencia (10:51)
1.8 Tipos de Datos Fecha (6:28)
1.9 Criterios para trabajar con Fechas (14:58)
1.10 Estacionariedad (17:19)
1.11 Estacionalidad (5:50)
1.12 Tendencia (4:45)
1.13 Ciclos (5:45)
1.14 Ruido Blanco (7:35)
Quiz 1
Preprocesamiento y Limpieza de Datos
2.0 Introducción al módulo 2 (3:49)
2.1 Resumen Teórico (17:56)
2.2 Carga de datos (5:10)
2.3 Método de Eliminación (4:27)
2.4 Método de Imputación (9:42)
2.5 Método de Interpolación (7:55)
2.6 Método de Imputación Predictiva (9:55)
2.7 Manejo de Outliers (6:31)
2.8 Manejo de Outliers: Gráficos Necesarios (6:19)
2.9 Manejo de Outliers: Detección Gráfica (7:42)
2.10 Manejo de Outliers: Detección Estadística (6:36)
2.11 Manejo de Outliers: Detección Avanzada (8:36)
2.12 Manejo de Outliers: Tratamiento (6:03)
2.13 Manejo de Outliers: Transformaciones Robustas (8:35)
2.14 Transformaciones de series temporales (6:43)
2.15 Diferenciación de series temporales (5:55)
2.16 Heterocedasticidad (3:28)
2.17 Detrending (9:29)
2.18 Desestacionaliazación (6:35)
2.19 Resampling (4:10)
2.20 Smooothing (15:04)
Quiz 2
Exploración y Análisis de Series de Tiempo
3.1 Introducción al módulo 3 (3:31)
3.2 Resumen Teórico (8:37)
3.3.1 Analisis Visual de Series
3.3.2 Personalización de Series (12:19)
3.4 Análisis de Patrones Visuales (9:27)
3.5 Modelos Aditivos vs Modelos Multiplicativos (5:10)
3.6 Ejemplo Visual (2:55)
3.7 Librerias para generar sliders (4:14)
3.8 Descomposición con seasonal_decompose (2:25)
3.9 Descomposición de Tendencia (4:16)
3.10 Descomposición de Estacionalidad (2:39)
3.11 Descomposición de Residuos (3:21)
3.12 Interpretación de gráficos ACF y PACF (13:53)
3.13 Identificación de ordenes a partir de gráficos ACF y PACF (6:33)
Quiz 3
Métodos Clásicos de Series de Tiempo
4.1 Introducción al módulo 4 (3:35)
4.2 Introducción Teorica a Modelos Clásicos (6:57)
4.3 Suavizado Exponencial Simple (3:40)
4.4 Suavizado Exponencial Doble (4:21)
4.5 Suavizado Exponencial Triple o Holt-Winters (4:45)
4.6 Modelo ARIMA (8:11)
4.7 Modelo SARIMA (6:03)
4.8 Ejemplo de Pipeline de modelo en Series Temporales (7:37)
4.9 ARIMA vs SARIMA (3:18)
Quiz 4
Modelos Avanzados de Series de Tiempo
5.1 Introducción al módulo 5 (2:16)
5.2 Introducción Teórica (4:55)
5.3 Variables Exógenas (2:43)
5.4 Modelos ARIMAX y SARIMAX (4:58)
5.5 Modelo GARCH (5:31)
5.6 Modelo LGBM Regressor (10:13)
5.7 Modelos por Descomposición y Modelos Estructurales (2:48)
Quiz 5
Evaluación y Validación de Modelos
6.1 Introducción al módulo 6 (2:53)
6.2 Introducción Teórica a Métricas de Error de Pronóstico (8:10)
6.3 Introducición Teórica a Criterios de Información (3:26)
6.4 Introducción Teórica a Validación Cruzada (4:26)
6.5 Introducción Teórica a Backtesting (3:15)
6.6 Métricas de Error de Pronóstico (5:46)
6.7 Criterios de Información (4:00)
6.8 Validación con Time Series Split (3:12)
6.9 Validación Walk Forward (3:21)
6.10 Backtesting (2:38)
6.11 Ejemplo Extra (5:41)
Quiz 6
Proyecto Integrador Final
Descargables para el proyecto final
7.0 Introducción al módulo 7 (3:27)
7.1 Carga de datos (4:53)
7.2 Análisis Exploratorio de Datos (EDA) (10:53)
7.3 Detección de Outliers (4:52)
7.4 Pruebas de Hipótesis (5:08)
7.5 Feature Engineering (7:21)
7.6 LGBM Regressor (7:45)
7.7 Forecast y Exportación de Resultados (4:03)
7.8 Cierre Y Despedida (1:29)
6.6 Métricas de Error de Pronóstico
Contenidos de Clase bloqueados
Si ya está inscrito,
necesitarás loguearte
.
Suscribirse en el Curso para Desbloquear