Forecasting con IA

Presentación

Datos temporales como precios de acciones o de commodities, patrones climáticos, índices de ventas, son inherentemente ordenados y secuenciales en el tiempo y adecuados para realizar análisis y previsiones.

Forecasting o previsión es una técnica que permite analizar y pronosticar datos que se recopilan a lo largo del tiempo, de forma tal que puedan estudiar patrones, tendencias, dependencias en estos conjuntos de datos, descubrir patrones y relaciones ocultos, para comprender su dinámica y luego predecir valores a futuro. Esta información es crucial en la toma de decisiones efectivas. Actualmente, técnicas de Inteligencia Artificial (IA) han sido implementadas en el tratamiento y análisis de datos temporales, principalmente para extender y fortalecer las capacidades de análisis de los métodos tradicionales, permitiendo alcanzar alto nivel de precisión en grandes volúmenes de datos.

Objetivos

Los objetivos de este curso son:

• Introducir los fundamentos teóricos de Forecasting para el análisis de información temporal.
• Conocer y evaluar herramientas estadísticas y computacionales para identificar y comprender patrones, tendencias y ciclos en datos temporales.
• Conocer y emplear herramientas de Inteligencia Artificial para evaluar y generar modelos predictivos eficientes de Forecasting que ayuden a una toma de decisiones con información temporal de áreas diversas.

Dirigido a

• Bachilleres, profesionales de Computación, Ingenierías, Ciencias de la Salud, Educación, Matemática, áreas financieras, administración, negocios, con conocimientos elementales de estadística y programación interesados en analizar datos temporales y transformarlos en información útil para tomar decisiones en sus áreas de actuación.

Plan de estudios

• Fundamentos de Forecasting.
• Reconocimiento de patrones, tendencias, y ciclos.
• Análisis exploratório de datos, y detección de datos atípicos.
• Modelos Tradicionales de Forecasting.
• Modelos de Forecasting basados en Inteligencia Artificial: Machine Learning, Deep Learning, aprovechamiento de LLMs en el análisis de Series de Datos Temporales.

Expositor

DSc Yván Jesús Túpac Valdivia

Doctor en Ingeniería Eléctrica por la Pontificia Universidad Católica de Rio de Janeiro, profesor a tiempo completo en el Departamento de Ciencia de la Computación con experiencia en investigación y aplicación de modelos probabilísticos, procesos estocásticos, análisis y previsión de series temporales, tradicionales y con uso de IA en evaluación económica de proyectos, análisis y previsión de despacho y consumo eléctrico, entre otros.

Metodología

El curso se ofrecerá en la modalidad virtual de sesiones que consisten en:

• Clase magistral con los fundamentos teóricos y matemáticos.
• Análisis de casos (situaciones reales) mediante herramientas de Forecasting e IA.
• Investigación, análisis en equipo y conversatorio.

Requisitos de admisión

• Ficha de datos (personales, profesional, académicos, entre otros).
• Comprobante de pago.
• Conocimiento básico de programación y estadísticos (que el alumno lo indique en el proceso de venta).

Duración

12 sesiones.

Calendario

Inversión

• Precio: S/ 420.00
• Pronto pago hasta el 07 de febrero: S/ 370.00
• Descuentos:
  • 5% de descuento corporativo (2 personas).
  • 10% de descuento corporativo (3 personas a más).
  • 20% de descuento para alumnos y exalumnos UCSP.
• Cierre de inscripciones: 18 de febrero del 2025.

Certificación

Certificado virtual otorgado por la Dirección de la Escuela de Postgrado y el Departamento de Ciencia de la Computación.

Organiza