Después de hacer estos cursos, me siento seguro creando visualizaciones y cuadros de mando profesionales
Shoebur RahmanEspecialista en adquisiciones, Giz Bangladesh
Descripción del curso
Los datos de series temporales están por todas partes. Ya sean las fluctuaciones del mercado bursátil, los datos de sensores que registran el cambio climático o la actividad del cerebro, cualquier señal que varía con el tiempo puede describirse como una serie temporal. Machine Learning se ha consolidado como un método potente para aprovechar la complejidad de los datos y así generar predicciones y extraer conclusiones sobre el problema que se quiere resolver. Este curso es el punto de encuentro entre estos dos mundos, Machine Learning y las series temporales, y cubre ingeniería de características, espectrogramas y otras técnicas avanzadas para clasificar sonidos de latidos y predecir precios de acciones.
Requisitos previos
Programa de formación
Esquema del curso
1
Introducción a series temporales y Machine Learning
Este capítulo introduce los fundamentos de Machine Learning, los datos de series temporales y cómo se relacionan entre sí.
- Tipos de series temporales y aplicaciones50 XP
- Identificar una serie temporal50 XP
- Representación de una serie temporal (I)100 XP
- Representar una serie temporal (II)100 XP
- Conceptos básicos de Machine Learning50 XP
- Ajustar un modelo simple: clasificación100 XP
- Predecir con un modelo de clasificación100 XP
- Ajuste de un modelo sencillo: regresión100 XP
- Predecir usando un modelo de regresión100 XP
- Machine learning y datos de series temporales50 XP
- Inspeccionar los datos de clasificación100 XP
- Inspeccionar los datos de regresión100 XP
2
Series temporales como entradas de un modelo
La forma más sencilla de incorporar series temporales a tu flujo de trabajo de Machine Learning es usarlas como características en un modelo. Este capítulo cubre las características más comunes que se extraen de series temporales para aplicar Machine Learning.
3
Predicción con datos de series temporales
Si quieres predecir patrones en datos a lo largo del tiempo, hay consideraciones especiales a la hora de elegir y construir tu modelo. Este capítulo explica cómo obtener información del conjunto de datos antes de ajustar el modelo, así como buenas prácticas para usar modelos predictivos con datos de series temporales.
4
Validación e inspección de modelos de series temporales
Una vez que tengas un modelo para predecir datos de series temporales, tendrás que decidir si es un buen o mal modelo. Este capítulo cubre lo básico para generar predicciones con modelos y validarlas frente a datos de "prueba".
Machine Learning para datos de series temporales en Python
Curso
completado
