Fundamentos de Pronóstico de Series Temporales y Análisis de Supervivencia

Muchos problemas de datos del mundo real implican predecir cuándo ocurrirá un evento o cómo cambiará una métrica con el tiempo, lo que requiere técnicas especializadas más allá de la regresión estándar. Comprender cómo manejar las dependencias temporales y los datos incompletos es esencial para pronósticos precisos y evaluación de riesgos. Este curso proporciona una base sólida en dos áreas críticas del aprendizaje automático especializado: el análisis de series temporales y el análisis de supervivencia. Pasará de conceptos básicos de datos a comprender cómo modelar patrones a lo largo del tiempo y manejar datos censurados donde los resultados aún no se observan completamente. Al final de este programa, podrá interpretar patrones temporales y aplicar modelos especializados para predecir resultados futuros con confianza. Lo que aprenderá: - Comprender los componentes fundamentales de los datos de series temporales, incluida la estacionalidad, las tendencias y el ruido. - Aplicar modelos estadísticos para pronosticar valores futuros basados en patrones históricos. - Dominar los conceptos de análisis de supervivencia para predecir el tiempo hasta que ocurra un evento específico. - Manejar datos censurados de manera efectiva para garantizar una inferencia precisa de los resultados en escenarios del mundo real. - Verificar los supuestos del modelo utilizando técnicas de validación modernas y pruebas de diagnóstico. - Practicar la preparación de datos y la modelización utilizando bibliotecas y flujos de trabajo estándar de la industria actuales. El plan de estudios comienza con la terminología central y los fundamentos estadísticos antes de avanzar a través de técnicas de modelado específicas tanto para pronósticos como para análisis de tiempo de eventos. Explorará aplicaciones prácticas a través de explicaciones escritas y ejercicios basados en código diseñados para reforzar los conceptos teóricos. Este curso está diseñado para principiantes en ciencia de datos y aprendizaje automático que desean expandir su conjunto de herramientas; no se requiere experiencia previa con datos dependientes del tiempo. Comience a construir su experiencia en modelado de datos especializado hoy mismo.