Time Series Forecasting Using Python - eLearning

Cronograma del curso

1. El concepto de series temporales y sus componentes

   Lección 01

   • El concepto y la necesidad del análisis de series temporales
   • Granularidad, frecuencia y horizonte en el análisis de series temporales
   • Extracción de datos con Yahoo Finance
   • Componentes de series temporales: nivel, tendencia, estacionalidad, ciclicidad y ruido
   • Tratamiento de valores perdidos y atípicos en series temporales
   • Descomposición Aditiva y Multiplicativa

2. Tratamiento de la estacionariedad

   Lección 02

   • Ruido blanco
   • Caminata aleatoria
   • El concepto de estacionariedad
   • Detección y tratamiento de la estacionariedad
   • Prueba estadística para detectar estacionariedad: prueba KPSS vs prueba ADF
   • Prueba de causalidad de Granger
   • Detección de anomalías mediante Isolation Forest

3. Estacionariedad e identificación del rezago

   Lección 03

   • Autocorrelación y correlación
   • Prueba de causalidad de Granger
   • Función de autocorrelación (ACF)
   • Función de autocorrelación parcial (PACF)
   • Identificación de rezagos mediante ACF y PACF

4. Modelos básicos de series temporales

   Lección 04

   • Método ingenuo
   • Método de promedio simple, modelo de media móvil (MA)
   • Ejecución de predicciones con el modelo MA
   • Modelo autorregresivo (AR)
   • Ejecución de predicciones con el modelo AR
   • Suavizado exponencial de Holt-Winters
   • Suavizamiento exponencial simple
   • Suavizado exponencial doble

5. Medición del rendimiento

   Lección 05

   • Métricas de rendimiento para el análisis de series temporales
   • Detección del rendimiento de los modelos
   • Comparar el rendimiento de los modelos

6. Modelos avanzados de series temporales

   Lección 06

   • Modelo Autorregresivo de Media Móvil (ARMA)
   • Predicción con el modelo ARMA en ejecución
   • Modelo Autorregresivo Integrado de Media Móvil (ARIMA)
   • Ejecución de predicciones con ARIMA
   • Modelo SARIMA (Modelo Autorregresivo Integrado de Media Móvil Estacional)
   • Ejecución de predicciones con SARIMA

7. Análisis de series temporales multivariantes

   Lección 07

   • El concepto de variables endógenas y exógenas
   • Introducción a SARIMAX: Breve marco teórico
   • Modelización con SARIMAX
   • Ejecución de predicciones con SARIMAX
   • Introducción al VAR
   • Modelización con VAR
   • Ejecución de predicciones con VAR

8. Pronóstico de series temporales con Facebook Prophet

   Lección 08

   • Aparición del Profeta
   • Parámetros principales en Prophet
   • Modelado con Prophet
   • Ejecución de predicciones con Prophet