El curso ofrece una formación integral en pronóstico de series de tiempo, combinando fundamentos teóricos, manipulación de datos temporales, análisis estructural y construcción de modelos. Se abordan desde técnicas clásicas hasta enfoques modernos basados en machine learning y redes neuronales, incluyendo la preparación de datos, ingeniería de características, evaluación rigurosa y explicabilidad de modelos. El participante obtendrá las competencias necesarias para diseñar, implementar y evaluar proyectos de pronóstico en entornos reales.

• Configurar un entorno de trabajo en Python para proyectos de pronóstico.

• Comprender los conceptos básicos y componentes de una serie temporal.

• Manipular y transformar datos temporales utilizando técnicas de remuestreo,
  ventanas móviles y descomposición.

• Evaluar la estacionariedad y aplicar métodos para eliminar tendencias.

• Diseñar y aplicar estrategias de ingeniería de características para mejorar el
  desempeño de modelos.

• Seleccionar, entrenar y comparar modelos de pronóstico clásicos y de machine
  learning.

• Implementar pronósticos probabilísticos y evaluar su utilidad en contextos prácticos.

• Interpretar y explicar los resultados de los modelos para facilitar la toma de
  decisiones.

Tener conocimiento y manejo básico de Python

40 horas lectivas.