Series de Tiempo: pre-procesamiento
Curso práctico donde veremos las principales técnicas que nos permitirán leer, visualizar y realizar la limpieza de una Serie de Tiempo, pasos esenciales antes de realizar análisis o pronósticos con estas series.
¿Qué son las Series de Tiempo y su importancia en la Ciencia de Datos y el Machine Learning?
La ruta sugerida para el aprendizaje de las principales técnicas de preprocesamiento, análisis y predicción sobre Series de Tiempo.
Las principales técnicas para el manejo de datos faltantes y el manejo de valores extremos (“outliers”) presentes en las Series de Tiempo haciendo uso de Python
Las Series de Tiempo y su importancia en la Ciencia de Datos y el Machine Learning
Serie de Tiempo: ruta de aprendizaje
Lectura y visualización de Series de Tiempo (repaso)
Los tipos de datos faltantes en Series de Tiempo
Manejo de marcas de tiempo faltantes
Imputación univariada
Imputación multivariada
Imputación con interpolación
Detección de "outliers" usando inspección visual
Detección de "outliers" usando el método de Tukey
Detección de "outliers" usando el método z-score
Detección de "outliers" usando "Isolation forests"
Se sugiere haber tomado el curso Pandas Nivel Intermedio, disponible en la Academia Online, donde estudiamos técnicas básicas para la lectura y visualización de Series de Tiempo.
Miguel Sotaquirá