Objetivo general
Modelar series de tiempo y construir pronósticos de demanda confiables, seleccionando y validando modelos estadísticos y de aprendizaje automático según las características de cada serie.
Al finalizar serás capaz de
- Descomponer una serie en tendencia, estacionalidad y ruido
- Ajustar modelos de suavizamiento exponencial y ARIMA
- Construir pronósticos con variables rezagadas y Machine Learning
- Evaluar pronósticos con backtesting y métricas de error
Tres módulos, 24 horas de estudio
Objetivo del módulo
Analizar la estructura de una serie temporal y prepararla para el modelamiento.
Contenidos
- Tendencia, estacionalidad y ciclos
- Descomposición aditiva y multiplicativa
- Estacionariedad, diferenciación y transformaciones
- Funciones de autocorrelación ACF y PACF
Experiencia práctica
Simulador: combina tendencia, estacionalidad y ruido y observa cómo cambia la serie y sus autocorrelaciones.
Objetivo del módulo
Ajustar y seleccionar modelos estadísticos de pronóstico con sus intervalos de predicción.
Contenidos
- Suavizamiento exponencial y método Holt-Winters
- Modelos ARIMA y SARIMA
- Selección de modelos con AIC y análisis de residuos
- Intervalos de predicción e incertidumbre
Experiencia práctica
Actividad: pronóstico de ventas mensuales de una cadena de retail con estacionalidad marcada.
Objetivo del módulo
Llevar los pronósticos a decisiones de inventario y abastecimiento.
Contenidos
- Modelos con variables rezagadas y gradient boosting
- Prophet y pronóstico con días especiales
- Backtesting y métricas MAPE, RMSE y MASE
- Del pronóstico al stock de seguridad
Experiencia práctica
Escenario ramificado: decide cuánto comprar antes de una temporada alta con un pronóstico incierto.
Lo que encontrarás en cada módulo
Simulador interactivo
Laboratorio virtual para manipular variables y ver resultados en tiempo real.
Podcast por módulo
Repaso en audio de los conceptos clave para escuchar donde quieras.
Videos explicativos
Cápsulas que desarrollan paso a paso los conceptos más exigentes.
Notebooks y código
Plantillas de trabajo listas para ejecutar y adaptar a tus datos.
Actividades evaluadas
Ejercicios aplicados con retroalimentación inmediata.
Escenarios ramificados
Decisiones con consecuencias: cada elección abre un camino distinto.
¿A quién está dirigido?
Perfil: Ingenieros comerciales e industriales, analistas de operaciones y estadísticos.
Conocimientos previos: Estadística básica. Se recomienda conocer fundamentos de Python, aunque el curso entrega plantillas listas.
Cursos relacionados
EstadísticaIntermedio · 24 horasProbabilidad y Estadística para Machine Learning
- M1La probabilidad que usan los modelos
- M2Inferencia y estimación
- M3Del modelo estadístico al algoritmo
EstadísticaAvanzado · 24 horasProcesos Estocásticos y Simulación Monte Carlo para la Toma de Decisiones
- M1Cadenas de Markov
- M2Procesos de Poisson y teoría de colas
- M3Simulación Monte Carlo y movimiento browniano
EstadísticaIntermedio · 24 horasAnálisis de Datos para Tesis con R
- M1R y RStudio para investigar
- M2Pruebas estadísticas y modelos
- M3Resultados reproducibles y redacción
Da el siguiente paso en tu formación
Inscríbete en Series de Tiempo y Pronóstico de Demanda con Python y comienza hoy, a tu ritmo y desde cualquier dispositivo.