Forecasting de series temporales con machine learning
Skforecast, librer铆a de Python que facilita el uso de modelos scikit-learn para problemas de forecasting y series temporales
Forecasting Ag茅ntico
Skforecast-AI es una libreria de forecasting ag茅ntico asistida por IA. Combina un motor de forecasting determinista basado en skforecast con una capa de razonamiento basado en modelos de lenguaje (LLM).
Modelos ARIMA y SARIMAX con Python
Modelos ARIMA y SARIMAX para la predicci贸n de series temporales
Forecasting series temporales con gradient boosting: XGBoost, LightGBM y CatBoost
Ejemplo de c贸mo predecir el n煤mero de usuarios del sistema de alquier de bibicletas urbanas utilizando modelos de gradient boosting
Forecasting de la demanda el茅ctrica con machine learning
Ejemplo de c贸mo predecir la demanda de energ铆a el茅ctrica con modelos de machine learning
Modelos de forecasting globales I: predecir multiples series temporales con machine learning
Modelos de forecasting para predecir m煤ltiples series temporales de forma simult谩nea
Modelos de forecasting globales II: Comparaci贸n de modelos globales vs modelos individuales
Comparaci贸n de los resultados de predicci贸n de los modelos globales con los modelos de series individuales
Modelos de forecasting globales III: Forecasting escalable
Modelado de miles de series temporales con un 煤nico modelo global
Modelos de forecasting globales IV: Kaggle sticker sales
Predicci贸n de las ventas de multiples productos con modelos de forecasting globales
Modelos de forecasting globales V: Competici贸n M5 Accuracy
El 茅xito de los modelos globales en las competiciones de forecasting
Clustering de series temporales
Clustering de series temporales para mejorar los modelos de forecasting
Forecasting con modelos de deep learning
Forecasting utilizando modelos basados redes neuronales RNN y LSTM
Modelos de forecasting fundacionales
Forecasting de series temporales utilizando modelos fundacionales
Forecasting probabil铆stico I: intervalos de predicci贸n
M茅todos con los que estimar intervalos de predicci贸n para modelos de machine learning aplicados a problemas de forecasting
Forecasting probabil铆stico II: intervalos de predicci贸n para forecasting multi-step
Intervalos de predicci贸n para modelos de forecasting multi-step
Forecasting de series temporales incompletas
Modelado y predicci贸n de series temporales incompletas con datos faltantes
Forecasting de demanda intermitente
Predicci贸n de demanda intermitente con modelos de machine learning
Forecasting de las visitas a una p谩gina web
Ejemplo de c贸mo predecir el tr谩fico de una web utilizando modelos de machine learning
Predicci贸n del precio de Bitcoin
Ejemplo de c贸mo utilizar modelos de forecasting para predecir el precio de la criptomoneda Bitcoin y estudio de las implicaciones que aparecen cuando una serie temporal no tenga ning煤n patr贸n
Reducir el impacto del covid-19 en modelos de forecasting
Ejemplo de c贸mo atenuar el impacto del covid y otros periodos anomalos en series temporales a la hora de entrenar modelos de forecasting
Detecci贸n de drift en modelos de forecasting
Detecci贸n de data drift en modelos de forecasting de series temporales para mantener su precisi贸n a lo largo del tiempo.
Interpretabilidad y explicabilidad en modelos de forecasting
Interpretabilidad de modelos de forecasting utilizando SHAP values, gr谩ficos de dependecia parcial e importancia de predictores
Forecasting tendencia con modelos de 谩rboles
Modelar series temporales con tendencia utiliz谩ndo modelos basados en 谩rboles
Stacking ensemble de modelos de forecasting
Stacking ensemble de modelos de machine learning para mejorar las predicciones
Detecci贸n de anomal铆as en series temporales
Detecci贸n de anomal铆as y valores at铆picos en series temporales mediante modelos de forecasting
Data leakage en modelos de forecasting preentrenados
Data leakage y problemas de sobreajuste en modelos de forecasting preentrenados.
Acelerar modelos de forecasting con GPU
Ejemplo de c贸mo acelerar el entrenamiento y la predicci贸n de modelos de forecasting utilizando GPU
Hacer una donaci贸n
隆Colabora en mantener las puertas del conocimiento abiertas! Si nuestros art铆culos te han ayudado a progresar en tu formaci贸n o carrera profesional, apreciar铆amos enormemente tu apoyo. Tu contribuci贸n nos permite mantener esta plataforma accesible para todos y crear nuevos contenidos. Puedes hacerlo a trav茅s de PayPal o Github Sponsors 隆Son solo un par de clicks 😊😊!
