curso
Análisis de Series Temporales en Python
Intermedio
Updated 12/2024Comienza el curso gratis
Incluido de forma gratuitaPremium or Teams
PythonProbabilidad y estadística4 horas17 vídeos59 ejercicios4,850 XP61,869Declaración de cumplimiento
Crea Tu Cuenta Gratuita
o
Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.¿Entrenar a 2 o más personas?
Probar DataCamp for BusinessPreferido por estudiantes en miles de empresas
Descripción del curso
Aprende a utilizar Python para el Análisis de Series Temporales
Desde los precios de las acciones hasta los datos climáticos, puedes encontrar datos de series temporales en una gran variedad de ámbitos. Tener las habilidades para trabajar con esos datos de forma eficaz es una habilidad cada vez más importante para los científicos de datos. Este curso te introducirá en el análisis de series temporales en Python.Tras aprender qué es una serie temporal, explorarás varios modelos de series temporales, desde modelos autorregresivos y de medias móviles hasta modelos de cointegración. Por el camino, aprenderás a estimar, predecir y simular estos modelos utilizando bibliotecas estadísticas en Python.
Verás numerosos ejemplos de cómo se utilizan estos modelos, con especial énfasis en las aplicaciones en finanzas.
Descubre cómo utilizar los métodos de series temporales
Empezarás cubriendo los fundamentos de los datos de series temporales, así como la regresión lineal simple. Tratarás los conceptos de correlación y autocorrelación y cómo se aplican a los datos de series temporales, antes de explorar algunos modelos sencillos de series temporales, como el ruido blanco y el paseo aleatorio. A continuación, explorarás cómo se utilizan los modelos autorregresivos (AR) en los datos de series temporales para predecir los valores actuales y cómo los modelos de medias móviles pueden combinarse con los modelos AR para producir potentes modelos ARMA.Por último, verás cómo utilizar modelos de cointegración para modelizar dos series conjuntamente antes de estudiar un caso práctico real.
Explora los modelos y bibliotecas de Python para el análisis de series temporales Al final de este curso, comprenderás cómo funciona el análisis de series temporales en Python. Conocerás algunos de los modelos, métodos y bibliotecas que pueden ayudarte en el proceso y sabrás elegir los adecuados para tu propio análisis.
Este curso forma parte de un programa más amplio de Series Temporales con Python, que ofrece un conjunto de cinco cursos para ayudarte a dominar esta habilidad de la ciencia de datos.
Prerrequisitos
Manipulating Time Series Data in Python1
Correlación y Autocorrelación
2
Algunas series temporales sencillas
3
Modelos Autorregresivos (AR)
4
Modelos de medias móviles (MA) y ARMA
5
Ponerlo todo junto
Análisis de Series Temporales en Python
Curso Completo
Obtener Declaración de Logro
Añade esta credencial a tu perfil, currículum vitae o CV de LinkedInCompártelo en las redes sociales y en tu evaluación de desempeño
Incluido conPremium or Teams
Inscríbete ahoraÚnete a más 15 millones de estudiantes y empezar Análisis de Series Temporales en Python ¡Hoy!
Crea Tu Cuenta Gratuita
o
Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.