Este curso online brinda las bases para el diseño, análisis y comparación de modelos de series temporales utilizados para realizar pronósticos. Está orientado a que analistas que no sean expertos en estas técnicas puedan realizar modelos predictivos sofisticados y también a que expertos puedan utilizar lo aprendido en el curso para validar sus modelos.
Los métodos de modelado de series temporales suponen que la historia se repite, si no exactamente, de una manera lo suficientemente parecida como para que estudiando el pasado sea posible tomar decisiones mejores en el futuro. Para predecir las ventas del año que viene, por ejemplo, es probable que empiece examinando las ventas de este año y después las de años anteriores para averiguar las tendencias o los patrones, si los hay, que se han desarrollado en los últimos años. No obstante, los patrones pueden ser difíciles de calcular. Si las ventas aumentan durante varias semanas seguidas, por ejemplo, ¿forma esto parte de un ciclo estacional o se trata del principio de una tendencia a largo plazo? Por ejemplo, puede que desee predecir la demanda esperada de una línea de productos o servicios con la finalidad de poder asignar recursos para su fabricación o distribución.
Con las técnicas de modelado estadístico, puede analizar los patrones de los datos del pasado y proyectar dichos patrones para determinar el rango en el que probablemente se incluirán los valores futuros de la serie. Como resultado, se obtienen previsiones más precisas en las que podrá basar sus decisiones.
Al finalizar el curso online usted podrá:
- Conocer los conceptos clave de las series de tiempo y la predicción de datos.
- Graficar y suavizar series para observar patrones en los datos.
- Crear y ejecutar modelos para ajustar sus datos y generar predicciones.
- Evaluar la confiabilidad de los modelos creados.
Requisitos:
- Disponer del software IBM SPSS Modeler.
- Haber cursado Data Science con SPSS Modeler: Fundamentos y Data Science con SPSS Modeler: Regresión.
- Recomendación: Revisar material sobre pruebas de hipótesis e inferencia (aunque se revisan algunos conceptos de data science, el curso es funcional).