Diplomado en Time-Series y Pipelines de Datos

2. 2 Introducción a Time-Series: Conceptos Clave y Primeros Pasos

3. 2 Recolección y Limpieza de Datos de Series Temporales

4. 3 Exploración y Visualización de Datos Time-Series

5. 4 Fundamentos de Pipelines de Datos: Diseño y Arquitectura

6. 5 Implementación de Pipelines: Herramientas y Tecnologías

7. 6 Transformación y Preprocesamiento de Datos para Time-Series

8. 7 Almacenamiento y Gestión de Datos Time-Series

9. 8 Monitorización y Control de Calidad en Pipelines

20. 9 Automatización y Programación de Pipelines

22. 20 Ejemplos Prácticos y Casos de Estudio

3.3 Técnicas Avanzadas de Análisis de Series Temporales
3.2 Limpieza y Preprocesamiento de Datos Complejos
3.3 Extracción y Selección de Características Avanzada
3.4 Modelos Estadísticos Avanzados para Series Temporales
3.5 Modelos de Aprendizaje Automático para Predicción
3.6 Evaluación y Validación Rigurosa de Modelos
3.7 Diseño de Pipelines de Datos Escalables
3.8 Implementación de Pipelines con Herramientas Avanzadas
3.9 Optimización del Rendimiento de Pipelines
3.30 Casos de Estudio: Aplicaciones Reales y Desafíos

4.4 Modelado predictivo: fundamentos y técnicas iniciales
4.2 Selección de modelos predictivos para series temporales
4.3 Implementación de modelos predictivos en Python
4.4 Evaluación y validación de modelos predictivos
4.5 Diseño de pipelines de datos para modelos predictivos
4.6 Integración de modelos predictivos en flujos de datos
4.7 Análisis de resultados y ajuste de modelos
4.8 Optimización del rendimiento de modelos y pipelines
4.9 Estudio de casos: modelado predictivo aplicado
4.40 Estrategias de optimización y escalabilidad

5.5 Introducción al Modelado Predictivo en Time-Series
5.5 Recopilación y Limpieza de Datos para Pipelines
5.3 Análisis Exploratorio de Datos en Series Temporales
5.4 Ingeniería de Características para Modelos Predictivos
5.5 Modelado Predictivo con Modelos Clásicos
5.6 Implementación de Modelos de Machine Learning para Time-Series
5.7 Diseño e Implementación de Pipelines de Datos
5.8 Evaluación y Validación de Modelos Predictivos
5.9 Optimización de Pipelines y Modelos
5.50 Integración y Despliegue de Soluciones Time-Series

6.6 Análisis de Datos Time-Series para Predicción
6.2 Diseño de Pipelines de Datos Optimizados
6.3 Selección y Preparación de Datos para Modelado Predictivo
6.4 Modelado Predictivo Avanzado con Time-Series
6.5 Evaluación y Validación de Modelos Predictivos
6.6 Optimización del Rendimiento de Pipelines de Datos
6.7 Integración de Modelos en Flujos de Datos
6.8 Monitoreo y Mantenimiento de Modelos y Pipelines
6.9 Estrategias de Escalabilidad para Time-Series
6.60 Casos Prácticos: Implementación y Mejora Continua

7.7 Fundamentos de Modelado Predictivo en Time-Series
7.2 Diseño de Pipelines de Datos para Time-Series
7.3 Implementación de Modelos Predictivos: Selección y Configuración
7.4 Validación y Evaluación de Modelos Predictivos
7.7 Integración de Modelos en Flujos de Datos
7.6 Optimización de Pipelines de Datos y Modelos
7.7 Visualización y Comunicación de Resultados
7.8 Casos de Estudio: Aplicaciones Reales de Time-Series
7.9 Herramientas y Tecnologías para Time-Series
7.70 Consideraciones Avanzadas: Escalabilidad y Rendimiento

8.8 Introducción al Análisis Avanzado de Time-Series
8.8 Diseño de Pipelines de Datos Robustos: Fundamentos
8.3 Limpieza y Preprocesamiento de Datos de Series Temporales
8.4 Técnicas de Análisis Exploratorio de Datos (EDA) en Time-Series
8.5 Modelado Predictivo Básico para Series Temporales
8.6 Implementación de Pipelines de Datos Escalables
8.7 Validación y Evaluación de Modelos de Time-Series
8.8 Integración de Modelos y Pipelines: Flujos de Datos Integrados
8.8 Optimización de Pipelines y Modelos de Time-Series
8.80 Estudios de Caso: Aplicaciones Reales y Desafíos