Forecasting en Python: de las Regresiones Lineales a las Series de Tiempo

Objetivos

​

• Invitar al alumno a utilizar y entender las cualidades estadísticas y computacionales de los principales algoritmos asociados a las Regresiones lineales y a las Series de Tiempo.

• Familiarizar al alumno con algunos aspectos del lenguaje matemático utilizado en la Ciencia de Datos y Machine Learning.

• Capacitar al alumno en las técnicas de programación necesarias para implementar los modelos estudiados.

​

Temario

​

1. Desde el punto de vista de la implementación el alumno aprenderá:

• Programación: Python básico

• Librería más usada para ciencia de datos: Pandas

• Aprendizaje de buenas prácticas de programación para ciencia de datos

• Familiarización con procesos comunes y necesarios en la ciencia de datos

• Aplicación de algunos modelos sin librerías pre-hechas

• Aplicación de librerías en estado del arte para todos los modelos vistos en el curso

• Conocimiento suficiente para aprender e implementar modelos ampliamente usados en ciencia de datos fuera del curso

​​

2. Desde un punto de vista matemático estudiaremos los siguientes temas:

• Regresiones lineales

• Cualidades estadísticas detrás del estimador de mínimos cuadrados

• Algunos algoritmos para calcularlo

• Series de Tiempo: conceptos generales

• Buys-Ballot y la estimación por mínimos cuadrados

• Moving-Average

• Vectores asociados

• ARIMA

• Invitación a los procesos estocásticos