Diplomado en Predictibilidad y Análisis de Fenómenos Estocásticos en Data Science

Diplomado

Online

$ 635 IVA inc.

Descripción

  • Tipología

    Diplomado

  • Metodología

    Online

  • Horas lectivas

    150h

  • Duración

    6 Semanas

  • Inicio

    Fechas disponibles

  • Campus online

  • Clases virtuales

Debido a la gran cantidad de datos que genera una empresa, se dificulta la tarea de analizarlos y procesarlos para su interpretación y uso. En este sentido, son los ingenieros informáticos los encargados de conocer y hallar distintas herramientas que garanticen realizar este proceso de manera óptima. Es por ello que este programa propone desarrollar la formulación y las propiedades básicas de los métodos que agilizaran la labor de los estudiantes en Data Science. A su vez, se impulsará al alumnado a desarrollar sus habilidades de liderazgo y dirección para afrontar nuevos retos empresariales.

Información importante

Documentación

  • 157diplomado-predictibilidad-analisis-fenomenos-estocasticos-data-science--.pdf

Sedes y fechas disponibles

Ubicación

comienzo

Online

comienzo

Fechas disponiblesInscripciones abiertas

Información relevante sobre el curso

Objetivos
-Analizar las Series Temporales 
-Desarrollar la formulación y las propiedades básicas de los modelos univariantes de Series Temporales
-Examinar la metodología de modelización y predicción de Series Temporales reales
-Determinar los modelos univariantes incluyendo atípicos
-Aplicar modelos de regresión dinámica y aplicar la metodología de la construcción de dichos modelos a partir de series observadas

El objetivo final de este programa es contar con un grupo de profesionales capaces de afrontar cualquier reto empresarial que se les presente. Para ello, deben desarrollar ciertos conocimientos y habilidades en Big Data. Esto será fundamental para aceptar un rol de liderazgo en su equipo de trabajo.

Este Diplomado en Predictibilidad y Análisis de Fenómenos Estocásticos en Data Science contiene el programa más completo y actualizado del mercado.

Tras la superación de la evaluación, el alumno recibirá por correo postal con acuse de recibo su correspondiente título de Diplomado emitido por TECH Universidad Tecnológica.

El título expedido por TECH Universidad Tecnológica expresará la calificación que haya obtenido en el Diplomado, y reunirá los requisitos comúnmente exigidos por las bolsas de trabajo, oposiciones y comités evaluadores de carreras profesionales.

Título: Diplomado en Predictibilidad y Análisis de Fenómenos Estocásticos en Data Science
N.º Horas Oficiales: 150 h.

Nuestra escuela es la primera en el mundo que combina el estudio de casos clínicos con un sistema de aprendizaje 100% online basado en la reiteración, que combina 8 elementos diferentes que suponen una evolución con respecto al simple estudio y análisis de casos. Esta metodología, a la vanguardia pedagógica mundial, se denomina Relearning.

Nuestra escuela es la primera en habla hispana licenciada para emplear este exitoso método, habiendo conseguido en 2015 mejorar los niveles de satisfacción global (calidad docente, calidad de los materiales, estructura del curso, objetivos…) de los estudiantes que finalizan los cursos con respecto a los indicadores de la mejor universidad online en habla hispana.

Recibida su solicitud, un responsable académico del curso le llamará para explicarle todos los detalles del programa, así como el método de inscripción, facilidades de pago y plazos de matrícula.

En primer lugar, necesitas un ordenador (PC o Macintosh), conexión a internet y una cuenta de correo electrónico. Para poder realizar los cursos integramente ON-LINE dispone de las siguientes opciones: Flash - Instalando Flash Player 10 o posterior (http://www.adobe.com/go/getflash), en alguno de los siguientes navegadores web: - Windows: Internet Explorer 6 y posteriores, Firefox 1.x y posteriores, Google Chrome, Opera 9.5 y posteriores - Mac: Safari 3 y posteriores, Firefox 1.x y posteriores, Google Chrome - Linux: Firefox 1.x y posteriores HTML5 - Instalando alguno de los navegadores web: - Google Chrome 14 o posterior sobre Windows o Mac - Safari 5.1 o posterior sobre Mac - Mobile Safari sobre Apple iOS 5.0 o posterior en iPad/iPhone Apple iOS - Articulate Mobile Player; Apple iOS 5.0 o posterior en iPad.

Preguntas & Respuestas

Añade tu pregunta

Nuestros asesores y otros usuarios podrán responderte

¿Quién quieres que te responda?

Déjanos tus datos para recibir respuesta

Sólo publicaremos tu nombre y pregunta

Opiniones

Materias

  • Fundamentos
  • Negocios
  • La serie temporal
  • Tipologías
  • Análisis gráficos

Profesores

Arturo Peralta Martín-Palomino

Arturo Peralta Martín-Palomino

Profesor

Temario

Módulo 1. Predictibilidad y análisis de fenómenos estocásticos

1.1. Series de tiempo

1.1.1. Series de tiempo
1.1.2. Utilidad y aplicabilidad
1.1.3. Casuística relacionada

1.2. La serie temporal

1.2.1. Tendencia Estacionalidad de ST
1.2.2. Variaciones típicas
1.2.3. Análisis de residuos

1.3. Tipologías

1.3.1. Estacionarias
1.3.2. No estacionarias
1.3.3. Transformaciones y ajustes

1.4. Esquemas para series temporales

1.4.1. Esquema (modelo) aditivo
1.4.2. Esquema (modelo) multiplicativo
1.4.3. Procedimientos para determinar el tipo de modelo

1.5. Métodos básicos de Forecast

1.5.1. Media
1.5.2. Naive
1.5.3. Naive estacional
1.5.4. Comparación de métodos

1.6. Análisis de residuos

1.6.1. Autocorrelación
1.6.2. ACF de residuos
1.6.3. Test de correlación

1.7. Regresión en el contexto de series temporales

1.7.1. ANOVA
1.7.2. Fundamentos
1.7.3. Aplicación practica

1.8. Modelos predictivos de series temporales

1.8.1. ARIMA
1.8.2. Suavizado exponencial

1.9. Manipulación y análisis de series temporales con R

1.9.1. Preparación de los datos
1.9.2. Identificación de patrones
1.9.3. Análisis del modelo
1.9.4. Predicción

1.10. Análisis gráficos combinados con R

1.10.1. Situaciones habituales
1.10.2. Aplicación práctica para resolución de problemas sencillos
1.10.3. Aplicación práctica para resolución de problemas avanzados z

Diplomado en Predictibilidad y Análisis de Fenómenos Estocásticos en Data Science

$ 635 IVA inc.