Ciencia de los Datos Aplicada
Grado y Doble Grado. Curso 2024/2025.
SERIES TEMPORALES - 806311
Curso Académico 2024-25
Datos Generales
- Plan de estudios: 081C - GRADO EN CIENCIA DE LOS DATOS APLICADA (2022-23)
- Carácter: Obligatoria
- ECTS: 6.0
SINOPSIS
COMPETENCIAS
Generales
CG2 - Adquirir la habilidad para expresarse claramente y de presentar los resultados de sus análisis, oralmente o por escrito, mediante un informe de carácter profesional.
CG3 - Coordinar trabajo en equipo con grupos multidisciplinares y organizar y gestionar proyectos.
CG4 - Cultivar interés en el conocimiento, descripción e interpretación de fenómenos susceptibles de cuantificación.
CG5 - Desarrollar la capacidad de trabajar de forma autónoma.
CG6 - Realizar lecturas críticas de informes y publicaciones científicas.
CG7 - Plantear políticas de actuación encaminadas a tomar las mejores decisiones posibles.
CG8 - Demostrar un pensamiento lógico y un razonamiento estructurado.
CG9 - Sintetizar las ideas principales de un texto o discurso.
CG10 - Desarrollar la capacidad de expresar y aplicar rigurosamente los conocimientos adquiridos en la resolución de problemas.
CG11 - Poner en práctica las técnicas, herramientas y metodologías propias de la Ciencia de los Datos en distintos ámbitos de aplicación.
Específicas
CE6 - Aplicar técnicas estadísticas y de aprendizaje automático en el análisis de datos cualitativos y cuantitativos de cualquier volumen y tipo, tales como espaciales, de texto, imágenes, etc.
CE9 - Aplicar técnicas de análisis de datos para elaborar previsiones y escenarios y establecer relaciones entre variables de diferente tipo, como datos espaciales, textuales, imágenes, sonido, etc.
ACTIVIDADES DOCENTES
Clases teóricas
Clases prácticas
Presenciales
No presenciales
Semestre
Breve descriptor:
Estudio de las Series Temporales, enfoque clasico y enfoque de Machine Learning.
Métodos de Suavizado. Moledos ARIMA. Metodologia Box-Jenkins. Métodos de Machine Learning para series temporales.
Contenido
TEMA 1 ANALISIS DESCRIPTIVO DE UNA SERIE TEMPORAL
1.1 Introducción a las Series Temporales. Representaciones gráficas.
1.2. Descomposición clásica de una serie Temporal
1.3 Estimación de la Tendencia.
1.4 Variaciones estacionales.
TEMA 2 METODOS DE SUAVIZADO.
2.1- Modelos de suavizado para series sin estacionalidad.
2.1.1. Suavizado simple
2.1.2. Modelo de alisado doble de Holt
2.1.3 Tendencia amortiguada
2.2- Modelos de suavizado para series con estacionalidad
2.2.1. Modelo de suavizado de Holt-Winters
2.2.2. Modelo Estacional
TEMA 3 MODELOS DE SERIES TEMPORALES ESTACIONARIAS
3.1.-Procesos estacionarios.
3.2.Función de autocorrelación simple y función de autocorrelación parcial.
3.3.- El modelo autorregresivo AR(p).
3.3.- El modelo de medias móviles MA(q).
3.4.-El modelo mixto ARMA(p,q).
3.5.- Procesos integrados: El modelo ARIMA(p,d,q).
3.5.- El modelo ARIMA estacional.
3.6. La metodologia Box-Jenkins
TEMA 4 ANALISIS DE INTERVENCION, DATOS ATIPICOS, MISSING Y FUNCIONES DE TRANSFERENCIA
4.1.- Modelos de series temporales con intervención. Variables Impulso y Variables Escalón.
4.2.- Datos atípicos e intervención.
4.3.-Estimación de datos missing en series temporales.
4.4.- Modelos de funciones de Transferencia
TEMA 5. SERIES TEMPORALES Y MACHINE LEARNING
5.1. Preparación de los datos para utilizar Técnicas de ML.
5.3. Modelos RNN
5.4 Modelos LSTM
Evaluación
a) La calificación de la prueba final.
b) La media ponderada de la evaluación continua y la prueba final, siendo el peso de la evaluación continua de al menos el 35%.
El alumno/a tiene la opción de superar la asignatura por evaluación continua.
Cualquier alumno/a tendrá derecho a una prueba final pudiendo resultar su calificación la nota final del curso."
Bibliografía
Makridakis, S. G., Wheelwright, S. C., and Hyndman, R. J. (1997), Forecasting: Methods and Applications, New York: John Wiley & Sons, Inc
Perez Lopez, C (2021). Análisis de series temporales: ejercicios resueltos con R. Editorial Garceta. Madrid.
Perez Lopez, C (2011). Series temporales: Técnicas y herramientas. Garceta Grupo Editorial,
Peña, D (2018). Análisis de Series Temporales. Alianza Editorial. Madrid.
Muñoz A., Parra F. (2007): Econometría Aplicada. Ediciones Académicas
Kirchgässner, Gebhard. (2007) Introduction to Modern Time Series Analysis. Springer-Verlag
Shumway, R. y Stoffer, D. (2006). Time Series Analysis and its Applications. Springer Verlag.
Uriel E. y Peiró A. (2000) Introducción al análisis de series temporales. Editorial AC.
Wayne A.Fuller (1976) Introduction to statistical time series. John Wiley &Sons, cop. New York
Estructura
Módulos | Materias |
---|---|
No existen datos de módulos o materias para esta asignatura. |
Grupos
Clases Teóricas y/o Prácticas | ||||
---|---|---|---|---|
Grupo | Periodos | Horarios | Aula | Profesor |
Grupo Único | 22/01/2025 - 13/05/2025 | JUEVES 11:00 - 13:00 | - | JUANA MARIA ALONSO REVENGA |
Actividades Prácticas | ||||
---|---|---|---|---|
Grupo | Periodos | Horarios | Aula | Profesor |
Grupo Único | 22/01/2025 - 13/05/2025 | LUNES 13:00 - 15:00 | - | JUANA MARIA ALONSO REVENGA |