Datos, machine learning y deep learning
Curso de previsión de demanda y series temporales
Anticipa la demanda, las ventas o el consumo con modelos que se pueden explicar.
Prever bien la demanda tiene un impacto directo en la cuenta de resultados: menos roturas de stock, menos inventario inmovilizado y mejor planificación de compras, personal y tesorería. Es una de las aplicaciones de IA con retorno más fácil de medir.
Este curso recorre todas las herramientas disponibles, de los modelos más sencillos (que a menudo son difíciles de batir) a los estadísticos, el machine learning y los nuevos modelos fundacionales de series temporales. Insistimos en lo que separa una buena previsión de una mala: la validación temporal, las métricas adecuadas y comunicar la incertidumbre a quien decide.
Qué aprenderás
- Analizar series temporales y sus componentes
- Construir modelos de referencia y modelos estadísticos
- Aplicar machine learning y modelos fundacionales de series temporales
- Evaluar las previsiones correctamente
- Integrar las previsiones en las decisiones de negocio
Temario
7 módulos, de los fundamentos al proyecto final.
-
Previsión para el negocio
- Demanda, ventas, inventario, tesorería y consumo
- Horizonte, granularidad y nivel de agregación
-
Análisis de series
- Tendencia, estacionalidad y ciclos
- Festivos, promociones y eventos
- Datos ausentes y valores atípicos
-
Modelos de referencia y estadísticos
- Modelos ingenuos y estacionales
- Suavizado exponencial y ARIMA
- Prophet
-
Machine learning para series
- Variables de retardo y calendario
- Gradient boosting para muchas series
-
Modelos fundacionales
- Modelos preentrenados de series temporales (Chronos, TimesFM)
- Cuándo funcionan sin entrenar
-
Evaluación
- Validación temporal (backtesting)
- MAE, MAPE, sesgo y métricas por importe
- Intervalos de predicción
-
Del modelo a la decisión
- Previsión jerárquica y reconciliación
- Stock de seguridad y escenarios
- Comunicar la incertidumbre
Herramientas con las que practicarás
- Python
- pandas
- statsforecast
- Prophet
- LightGBM
- Chronos o TimesFM
Proyecto práctico
Construyes un sistema de previsión sobre datos históricos reales o de ejemplo, comparando modelos estadísticos, de machine learning y fundacionales con validación temporal, y presentas las previsiones con sus intervalos y su impacto en el negocio.
Requisitos
- Python y pandas (equivalente al curso de Python para IA).
Otros cursos
-
Curso de deep learning con PyTorch
Entiende y construye redes neuronales modernas, de los tensores a los transformers.
- Duración: 30 horas
- Nivel: Avanzado
-
Curso de fine-tuning de modelos de lenguaje
Adapta un modelo de lenguaje a tu dominio, tu tono o tu tarea, con criterio y método.
- Duración: 16 horas
- Nivel: Avanzado
-
Curso de IA aplicada a análisis de datos (sin data science)
Obtén conclusiones de tus datos con IA, aunque no seas data scientist.
- Duración: 8 horas
- Nivel: Inicial
Dónde se aplica
-
Previsión de ventas y stock con IA
Usamos tu histórico de ventas para anticipar la demanda de cada producto y avisarte antes de quedarte sin stock o de comprar de más.
¿Quieres este curso para tu equipo?
Adaptamos el contenido, la duración y la modalidad a tu empresa.