Profesionales del análisis de datos interesados en construir y aplicar modelos de predicción de series de tiempo en contextos de investigación y negocio.
CURSO DE NIVEL INTERMEDIO
Para un mejor aprovechamiento de la formación es recomendable tener conocimientos básicos previos sobre R Software.
Comentarios:
Selecciona, diagnostica y valida tu modelo de pronóstico avanzado para realizar predicciones precisas basadas en datos: autorregresivos (AR) y de medias móviles (MA), generalización (ARMA), co-integración (ARIMA) y su versión estacional (SARIMA). Leer más
R Software: altas prestaciones para tus análisis de datos
R es la herramienta de análisis estadístico con la que lograrás la máxima potencia, calidad, precisión y rigor empírico en tus análisis de datos.
SOFTWARE DE CÓDIGO ABIERTO
Con un entorno de trabajo flexible que permite ampliar funciones personalizadas para resolver necesidades específicas de tu proyecto.
EL MAYOR CATÁLOGO DE MÉTODOS ESTADÍSTICOS
Analiza cualquier tipo y volumen de datos con una extensa gama de técnicas estadísticas: clásicas, robustas, avanzadas y multivariantes.
REPRESENTACIÓN GRÁFICA EN ALTA CALIDAD
Incluye infinidad de gráficos personalizables y exportables a cualquier formato visual, estáticos y dinámicos.
SIMPLIFICA TU DESEMPEÑO
Con R Software tu desempeño con los datos es más ágil y eficiente. Ejecuta todas las tareas de un Científico de Datos en un único entorno de trabajo.
PRECISIÓN Y RIGOR EMPÍRICO
Con R obtienes respuestas concluyentes y resultados confiables eliminando los errores de cálculo y las imprecisiones.
DATOS REPRODUCTIBLES Y ACCESIBLES
Su función RMarkdown te garantiza la accesibilidad, la trazabilidad y la reproducibilidad de tus datos de por vida.
Un curso práctico orientado a estudiantes, profesionales, investigadores y PhD interesados en:
Detectar patrones temporales. Comprender la dinámica de las series de tiempo. Realizar predicciones precisas. Simplificar la complejidad de los análisis suprimiendo el componente temporal. Dominar el lenguaje de R Software y sus paquetes con nivel experto.
Competencias:
Con aplicación directa a tu día a día profesional
Al finalizar el Curso de Análisis práctico de series temporales con R habrás desarrollado competencias avanzadas para construir y aplicar modelos de predicción de series de tiempo en tus proyectos de análisis, y serás capaz de:
Identificar problemas de series temporales y saber cómo abordarlos. Detectar componentes clave en las series de tiempo. Utilizar modelos ARIMA (AutoRegressive Integrated Moving Average) para realizar predicciones. Diagnosticar y validar tu modelo para la toma de decisiones. Crear gráficos elegantes, modelos robustos e informes reproducibles. Dominar el lenguaje estadístico de R Software y sus paquetes, una de las competencias profesionales más demandadas en el mercado laboral de la Ciencia de Datos. El Máster de Estadística Aplicada con R Software es un programa de especialización único en la actual oferta formativa superior on-line en Ciencia de Datos.
Está diseñado con el enfoque práctico que requieren los profesionales del análisis de datos para transformar el conocimiento en competencias técnicas avanzadas y aplicables a su realidad profesional.
Enfoque práctico:
La práctica hace al maestro
El Curso de Análisis práctico de series temporales con R, es un programa práctico impartido con la metodología exclusiva de Máxima Formación, 100% on-line y learn by doing (aprender haciendo).
¿Por qué es único?
Porque está diseñado con el enfoque práctico que requieren los profesionales del análisis de datos cuyo objetivo es transformar el saber en habilidades prácticas avanzadas con aplicación directa a su operativa con los datos.
Nuestro programa formativo con enfoque práctico:
Garantiza una curva de aprendizaje progresiva y se adapta a tu nivel de desempeño. Pone el énfasis en el seguimiento diario de tus necesidades de aprendizaje particulares. Disfrutas de un asesoramiento de calidad que te permite aplicar los nuevos conocimientos, desde el primer día.
Profesorado:
En este Máster contarás con el asesoramiento y las tutorías ilimitadas de dos docentes expertos que van compartir contigo todo su conocimiento y su experiencia en el sector de la Ciencia de Datos:
- Rosana Ferrero Soy Doctora en Biociencias y Máster en Estadística Aplicada. Llevo más de 15 años de experiencia colaborando con instituciones públicas y privadas, así como con varias empresas, en áreas como la Medicina, la Biotecnología, las Políticas públicas, y la Biología. Me apaciona la docencia y la divulgación, mi objetivo es ayudarte a analizar e interpretar datos complejos y tomar decisiones fundamentadas.
- Juan Luis López Analista de datos con certificaciones en Data Visualization with ggplot2, Data Analysis in R y Machine Learning Toolbox. Profesor de estadística aplicada con R Software en Máxima Formación desde 2018. Aquí he trabajado como docente en los distintos másteres que ofertamos, en múltiples cursos de formación para el Centro Superior de Investigaciones Científicas y el Servicio Andaluz de Salud, así como en asesorías estadísticas realizadas para empresas externas.
Titulación que se obtiene:
Tras finalizar esta formación recibirás un diploma expedido por Máxima Formación como garantía de aprovechamiento del curso.
- Inicio: Todo el año - Plazo de Matrícula: Abierto
Actualizados, campus virtual accesible las 24 horas y en español
Curso de Análisis práctico de series temporales con R
TEMA 1. INTRODUCCIÓN A LAS SERIES TEMPORALES Y A LA DETECCIÓN DE PATRONES
• Identificar problemas de análisis de series temporales y cómo abordarlos. • Crear, manipular y visualizar objetos de series temporales en R. Leer más • Identificar los componentes de una series de tiempo. • Realizar un análisis exploratorio de series temporales. • Detección de anomalías (outliers) y valores ausentes (missing). • Preprocesar/Limpiar las series temporales. • EXTRA: Detectar picos y valles de una serie, descomponer una serie, detección de cambios en media y/o varianza, análisis cluster de series, pruebas de hipótesis para la tendencia y estacionalidad.
TEMA 2. HERRAMIENTAS Y MODELOS BÁSICOS DEL ANÁLISIS DE SERIES TEMPORALES
• Calcular la función de autocorrelación (ACF) y la parcial (PACF) • Comprender el concepto clave de estacionariedad. • Evaluar la estacionariedad: Pruebas formales e informales • Estacionarizar la serie en media y varianza. Transformaciones. • Comprender los modelos básicos de ruido blanco (WN) y caminata aleatoria (RW) • EXTRA: Pruebas de hipótesis para la estacionariedad, función de autocorrelación cruzada CCF.
TEMA 3. MODELOS ARIMA Y SARIMA DE SERIES TEMPORALES
• Comprender el comportamiento de los modelos clásicos ARIMA • Cómo identificar modelos AR, MA, ARMA y ARIMA • Seleccionar el mejor modelo según distintos criterios • Estimar y evaluar el modelo seleccionado. • Interpretar los resultados del modelo. • Cómo incluir la estacionalidad en modelos SARIMA • EXTRA. Relación entre modelos ARIMA.
TEMA 4. DIAGNÓSTICO Y VALIDACIÓN DEL MODELO
• Diagnosticar los modelos evaluando sus residuos • Residuos vs Errores de predicción • Comparar modelos mediante índices de información AIC, AICc, BIC • Predecir nuevos valores a partir del modelo seleccionado. • Intervalos de confianza vs intervalos de predicción. • Cómo medir la precisión de nuestras predicciones • Conjunto de entrenamiento y prueba • Validación cruzada • Desarrollar un protocolo de actuación • EXTRA. Limitaciones de los modelos ARIMA y alternativas.Leer menos
Máxima Formación
Contacta con el centro para más información
Es gratis y sin compromiso
Deja tu opinión