Pronósticos de Series de Tiempo con Python
Pronósticos de Ventas y Operaciones con diferentes métodos: Medias Móviles, Descomposición Estacional y ARIMA. ChatGPT
What you will learn
Introducción desde cero (descarga e instalación) a Python: variables, sintaxis, funciones, iteraciones y secuencias
Introducción a varias bibliotecas de Python, enfatizando matplot y statsmodels
Fundamentos teóricos de diversos modelos de pronóstico con series de tiempo como medias móviles, descomposición estacional y S-ARIMA
Estimar la prueba de Dickey-Fuller Aumentada para determinar la estacionariedad de una serie
Identificar los componentes y parámetros de los modelos S-ARIMA, utilizando los gráficos ACF y PACF
Comparar y medir la calidad de su pronóstico con AIC y RMSE
Why take this course?
Te gustaría aprender a pronosticar series temporales como por ejemplo las ventas de tu organización. Esto es precisamente lo que aprenderás en este curso haciendo uso de Python, uno de los lenguajes de programación más potentes y fáciles de aprender. Soy Carlos Martínez, tengo una Maestría en Finanzas de la Universidad Centroamericana, un MBA de INCAE y un Ph.D. en Management de la Universidad de Saint Gallen en Suiza. He presentado mi investigación en algunas de las más prestigiosas conferencias y coloquios doctorales sostenidos en la Universidad de Tel Aviv, el Politécnico de Milán, la Universidad de Halmstad en Suecia y el MIT. Además, soy coautor de más de 25 casos de enseñanza algunos de ellos incluidos en las bases de casos de universidades relevantes como Harvard y Michigan.
Este es un curso muy completo que incluyen presentaciones teóricas, tutoriales y tareas. El curso tiene un enfoque práctico basado en el método de learning-by-doing, en el luego de breves introducciones teóricas, aprenderás a operacionalizar los modelos de medias simples y ponderadas, descomposición estacional y ARIMA.
En la primera parte del curso, haremos una introducción a Python desde cero desde su descarga e instalación, y luego aprendiendo su sintaxis básica, tipos de variables funciones, condicionales, secuencias e iteraciones. Completaremos esta sección con una introducción a la biblioteca matplot, que nos resultará particularmente útil durante el curso para graficar las series de tiempo. En la segunda parte del curso, abordaremos varios modelos de pronósticos de series de tiempo como las medias móviles simples y ponderadas, la descomposición estacional y el modelo autorregresivo integrado de media móvil o mejor conocido como ARIMA. Finalizaremos el curso con un caso con datos reales, en el que deberás definir los parámetros de un modelo ARIMA con estacionalidad para elaborar y validar un pronóstico.
Los participantes ideales son estudiantes universitarios y profesionales relacionados a las áreas de mercadeo, operaciones y finanzas interesados en modelos de pronósticos para la planificación de ventas, producción y proyección de estados financieros. El curso no asume conocimientos previos en Python y el único prerrequisito es un conocimiento básico de estadística.
Te invito a revises la información del curso, veas algunas de las clases gratuitas y te inscribas. ¡Nos vemos en la primera clase!
Content
Introducción
PARTE I: INTRODUCCIÓN A PYTHON
Sintaxis Básica de Python
Condicionales y Funciones
Secuencias
Iteraciones
Otras Herramientas Importantes en Python
Introducción a la Biblioteca Matplot
PARTE II: PRONOSTICOS CON SERIES DE TIEMPO
Promedios Móviles y Descomposición Estacional
ARIMA
Proyecto del Curso: Caso Hacienda "El Jobo"
Screenshots
Reviews
Coupons
Submit by | Date | Coupon Code | Discount | Emitted/Used | Status |
---|---|---|---|---|---|
- | 10/5/2021 | PRECIOINTRO2X1 | 94% OFF | expired | |
- | 10/5/2022 | MEJORPRECIOOCT22A | 88% OFF | expired | |
- | 8/15/2023 | MEJORPRECIOAGO23 | 83% OFF | expired |