12 lecciones • 4 horas
Curso práctico donde veremos las principales técnicas que nos permitirán leer, visualizar y realizar la limpieza de una Serie de Tiempo, pasos esenciales antes de realizar análisis o pronósticos sobre este tipo de datos.
Al finalizar el curso habrás aprendido
- Qué son las Series de Tiempo y su importancia en la Ciencia de Datos y el Machine Learning
- La ruta sugerida para el aprendizaje de las principales técnicas de preprocesamiento, análisis y predicción sobre Series de Tiempo
- Las principales técnicas para el manejo de datos faltantes y el manejo de valores extremos (“outliers”) presentes en las Series de Tiempo haciendo uso de Python
Requisitos
Se sugiere haber tomado el curso Pandas Nivel Avanzado, disponible en la Academia Online, donde estudiamos técnicas básicas para la lectura y visualización de Series de Tiempo.
Contenido
MÓDULO 1: INTRODUCCIÓN A LAS SERIES DE TIEMPO
1 – Las Series de Tiempo y su importancia en la Ciencia de Datos y el Machine Learning
2 – Series de Tiempo: ruta de aprendizaje
3 – Lectura y visualización de Series de Tiempo (repaso)
MÓDULO 2: MANEJO DE DATOS FALTANTES EN SERIES DE TIEMPO
4 – Los tipos de datos faltantes en Series de Tiempo
5 – Manejo de marcas de tiempo faltantes
8 – Imputación con interpolación
MÓDULO 3: MANEJO DE VALORES EXTREMOS EN SERIES DE TIEMPO
9 – Detección de «outliers» usando inspección visual
10 – Detección de «outliers» usando el método de Tukey
11 – Detección de «outliers» usando el método z-score
12 – Detección de «outliers» usando «isolation forests»
