|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/curso-de-series-temporales-multivariantes-con-r-y-python/
课程评论：没有评论
课程名称：多变量时间序列分析（R 和 Python） 概述：时间序列分析在当今社会变得越来越重要，许多实际应用都与时间密切相关，例如我们在分析最近影响全球的 COVID-19 病毒数据时，每天都会有活跃病例、新确诊病例或死亡人数的数据。这些数据对于预测未来情况极为重要，比如病例是否会增加或减少。这种预测能帮助我们判断医疗系统是否会面临崩溃，从而提前采取紧急措施，避免潜在的社会灾难。同时，它也可能表明我们已成功控制疫情，能够逐步解除封锁。因此，提前了解未来的发展趋势使我们能够采取预防措施以避免更大的灾难。 时间序列分析在金融和经济领域中也被广泛应用，通常用于分析金融市场的数据。在本课程中，我们将处理来自不同市场（如美国、菲律宾、南非等）的实际价格数据或宏观经济变量，并逐步使用 R 和 Python 进行探索。 与常规的单变量时间序列课程不同，本课程的重点在于“多变量”。我们的世界是多元的，我们通常会拥有多组互相关联的数据，这些多组时间序列能够相互提供有价值的信息。例如，对于经营沙滩酒吧的调酒师而言，研究环境温度、每日销售的鸡尾酒数量、价格、收益、可供鸡尾酒数量及沙滩椅子数量等多个时间序列都是非常重要的，因为这些数据是相互关联的。 在本课程中，我们将涵盖时间序列分析的基本概念，从单变量时间序列到多变量时间序列的概念、特性和建模过程，无论是在 R 还是在 Python 中。课程还包括超过 10 个多变量时间序列的实践案例，帮助你将所学知识付诸实践。此外，学员将获得所有源代码、代码模板用于自己的分析、进入专属学习社群的权限，并享有超过 15 小时的高质量视频讲解，以便你能够自行应用所学知识。 期待在课堂上见到你，并希望你能享受这门多变量时间序列分析（R 和 Python）课程。
El mundo del análisis de Series Temporales o Series de Tiempo cada vez va tomando más y más fuerza. Y es que muchas veces nos encontramos con aplicaciones prácticas que dependen del tiempo de alguna manera, por ejemplo, cuando estamos analizando los datos del reciente virus COVID19 que está afectando a todo el planeta, tendremos datos diarios de casos activos, casos nuevos detectados, o incluso muertes en cada uno de esos días. Estos datos son importantísimos a la hora de pronosticar de cara al futuro qué va a pasar, si van a subir o van a bajar esos casos. Pero, ¿para qué nos sirve esto? Pues para mucho más de lo que te imaginas. Porque saber aproximadamente lo que va a pasar en el futuro nos puede dar una idea de si esto significará que el sistema sanitario va a colapsarse pronto, y esto nos permite tomar medidas urgentes antes de que realmente pase esa situación de colapso que puede ser una emergencia realmente desastrosa para la sociedad. Por otro lado, puede significar que se ha logrado controlar la situación lo suficiente como para comenzar la desescalada del confinamiento. En fin, como ves, tener una idea cercana del futuro más próximo nos permite actuar con antelación, y tomar medidas de emergencia para evitar desastres mayores.El análisis de series temporales también es muy utilizado en Finanzas y Economía, usualmente para analizar datos del mercado financiero. En este curso vamos a tratar con muchos dataset de datos reales de precios o variables macroeconómicas de diferentes mercados: USA, Filipinas, Sudáfrica, etc, y lo veremos paso a paso tanto con R como con Python.¿Qué diferencia hay entre este curso y un curso regular de series de tiempo univariantes?¡EL ASPECTO MULTIVARIANTE!Así es, como bien sabes nuestro mundo no es univariante, es multivariante, muchas veces tendremos a nuestra disposición múltiples datos, en nuestro caso múltiples series temporales que se co-relacionan entre sí y proporcionan información valiosa unas a otras. Por ejemplo, para un vendedor de cócteles que está estudiando las ventas diarias de su chiringuito de la playa, será interesante estudiar la serie temporal de la temperatura del ambiente, la serie de cócteles diarios vendidos, la serie temporal de los precios, la de las ganancias, la serie de cantidad de cócteles ofertados, la serie de la cantidad de sillas dispuestas en la arena, etc. Todas estas series son información relevante y muchas de ellas se relacionan entre sí, por eso, para estudiarlas, debemos hacer uso de las técnicas para el análisis de series temporales multivariantes.En este curso cubriremos desde los conceptos más básicos del campo de las series de tiempo univariantes (para que lo tengas todo a mano en un solo curso), hasta el concepto de serie de tiempo multivariante, sus propiedades, su modelización, tanto en R como en Python, y más de 10 casos prácticos diferentes de series temporales multivariantes para que puedas poner en práctica todos estos conocimientos. Además, tendrás todo el código fuente desde el minuto cero, plantillas de código para utilizar en tus propios análisis, acceso a una comunidad exclusiva de estudiantes, que como tú, buscan aprender acerca del análisis de series temporales, y más de 15 horas de vídeo de alta calidad con todas las explicaciones necesarias para aplicar por ti mismo estos conocimientos.Nos vemos en clase y espero que disfrutes del Curso de series temporales multivariantes con R y Python.
