Meetup Marzo 2024: Modelos Predictivos de Machine Learning con Python

En esta presentación, exploraremos cómo emplear técnicas avanzadas de aprendizaje automático para construir modelos predictivos altamente efectivos para un conjunto de datos utilizando el enfoque de series de tiempo. Utilizaremos Python junto con bibliotecas como Pandas, NumPy y herramientas especializadas para series de tiempo.

Sumergiéndonos en el mundo de las series de tiempo, aprenderemos cómo manejar datos secuenciales que varían a lo largo del tiempo, como las mediciones climáticas. Descubriremos cómo identificar patrones temporales, tendencias estacionales y efectos cíclicos en los datos meteorológicos. A continuación, aplicaremos modelos predictivos avanzados, como ARIMA (AutoRegressive Integrated Moving Average), modelos SARIMA (Seasonal ARIMA) y el método Prophet de Facebook, que consideran estos patrones temporales para realizar predicciones precisas.

Durante la presentación, exploraremos cómo preparar y limpiar los datos de series de tiempo, cómo dividir adecuadamente los conjuntos de entrenamiento y prueba para evaluar el rendimiento del modelo, y cómo ajustar los hiperparámetros de los modelos de manera óptima. También discutiremos técnicas de evaluación específicas para series de tiempo, como el enfoque de validación temporal.