Microcredencial en Series de Tiempo y Aprendizaje Profundo: Estrategias para la Predicción

Modalidad Híbrida (Presencial y Sincrónica Remota)

Duración

48 Horas

Fecha de inicio

Agosto 2025

Inversión

$2500000 /COP

Horario presencial

viernes de 3:30 a 7:30 p.m. y sábados 8:30 a.m. a 12:30 p.m.

Domina técnicas avanzadas de predicción y optimiza la toma de decisiones estratégicas

En un mundo impulsado por los datos, la capacidad de anticipar el futuro es clave para la toma de decisiones estratégicas. La Microcredencial en Series de Tiempo y Aprendizaje Profundo: Estrategias para la Predicción ofrece una inmersión práctica en el análisis de series temporales, combinando enfoques tradicionales con el poder del aprendizaje profundo. A lo largo del programa, aprenderás a identificar patrones, construir modelos avanzados de predicción y aplicar redes neuronales para anticipar tendencias en diversos sectores, incluyendo, pero sin limitarse a, energías renovables, finanzas, negocios, tecnología y salud.

¿Por qué elegir esta Microcrendencial?

Aprendizaje Aplicado con Enfoque en la Industria

Aplica técnicas de modelamiento predictivo en escenarios reales de diferentes sectores.

Combinación de Métodos Tradicionales y de Deep Learning

Domina modelos como ARIMA, suavización exponencial y redes neuronales avanzadas para mejorar la precisión de los pronósticos.

Habilidades de Alto Valor en el Mercado Laboral

Adquiere conocimientos altamente demandados en ciencia de datos, analítica financiera, inteligencia de negocios y más.

¿Quieres saber más de este programa?

Más información

¿Qué aprenderás?

• Construcción de modelos autorregresivos como MA, AR, ARMA y ARIMA para el análisis de series de tiempo.

• Aplicación de modelos de suavización exponencial y técnicas avanzadas de predicción.

• Implementación de redes neuronales como Vanilla RNN, GRU y LSTM para mejorar la precisión de los pronósticos.

• Uso de herramientas como Python para la manipulación, análisis y visualización de datos temporales.

• Selección de la estructura de datos más eficiente para almacenar y procesar información en modelos predictivos.

¿A quién está dirigido?

Profesionales y especialistas en áreas donde el análisis de datos temporales y la predicción son clave, incluyendo:

• Economía y Finanzas: Analistas financieros, economistas y gestores de riesgos que buscan optimizar estrategias de inversión y pronosticar indicadores económicos.

• Administración y Negocios: Profesionales en estrategia empresarial, planificación y marketing que deseen anticipar tendencias de mercado y comportamiento del consumidor.

• Ingeniería y Tecnología: Ingenieros de datos, científicos de datos y analistas de BI interesados en aplicar modelos avanzados de predicción.

• Ciencias Actuariales y Estadística: Expertos en modelamiento cuantitativo que desean explorar el potencial de la inteligencia artificial en la predicción de series de tiempo.

• Logística y Operaciones: Especialistas en gestión de la cadena de suministro y optimización de inventarios que necesiten prever la demanda de productos y recursos.

• Salud y Ciencias Sociales: Profesionales que trabajan con datos epidemiológicos, predicción de enfermedades o análisis de tendencias en políticas públicas.

Contenido

1. Introducción a las series temporales

• Diferentes tipos de datos

• Estructuras internas de las series temporales

• Modelos de análisis de series temporales

• Autocorrelación y autocorrelación parcial

2. Análisis exploratorio de series temporales

• Remuestreo de datos de series temporales

• Procesos estacionarios

• Descomposición de series temporales

3. Métodos basados en el suavizado exponencial

• Introducción al suavizado de series temporales

• Suavizado exponencial de primer orden

• Suavizado exponencial de segundo orden

• Modelado con suavizado exponencial de orden superior

4. Modelos autorregresivos

• Modelos autorregresivos

• Modelos de media móvil

• Construcción de conjuntos de datos con ARIMA

• Intervalo de confianza

5. Deep Learning para la predicción de series temporales

• Perceptrones multicapa

• Redes neuronales recurrentes

• Redes neuronales convolucionales

Homologaciones

Esta microcredencial puede ser homologada en la Maestría en Estadística o en la Maestría en Matemáticas.

Nuestro equipo de

Profesores

Dr. Lihki Jose Rubio Ortega

lihkir@uninorte.edu.co

Profesor TC Departamento de Matemáticas y Estadística. Profesor e investigador en Machine Learning, Deep Learning y Finanzas Cuantitativas en la Universidad del Norte. Doctor en Ingeniería Matemática, Científico de Datos Certificado, Especialista en Series de Tiempo, Criptomonedas y Computer Vision. Experiencia en la industria como Blockchain & C++ Developer. Líneas de investigación: Análisis y Predicción de Series de Tiempo, Machine Learning, Deep Learning, Visión por Computadora, Tecnología Blockchain. Aplicaciones: Finanzas, Energías Renovables, Gestión de Riesgos, Scorecards, Algotrading, Criptomonedas y Análisis de RNA-seq.

Proceso de Inscripción para interesados
 
  1. Los interesados en tomar esta microcredencial, deben inscribirse en el formulario respectivo y cumplir con los requisitos establecidos.
    *: Esta microcredencial también está disponible para estudiantes activos de programas de posgrado de la Universidad del Norte. Si usted es estudiante activo, la inscripción deberá hacerse a través del coordinador académico del programa de posgrado en el que se encuentre matriculado académicamente, quien le orientará sobre el proceso a seguir y los términos y condiciones académicas y financieras que apliquen.
  2. Una vez aprobada, esta microcredencial puede ser homologada en los programas de posgrado donde aplique de acuerdo con el Reglamento de Homologación vigente al momento del ingreso al programa de posgrado de interés.
  3. Para obtener la certificación, se deberán aprobar los espacios de formación con la calificación igual o superior a la establecida.
  4. En caso de retiro voluntario o abandono, la universidad no está obligada a emitir certificados parciales.
  5. La Universidad del Norte se reserva el derecho de cancelar o modificar este programa en cuanto a: la fecha y horarios de realización, el valor de la inversión, los expertos facilitadores propuestos, los contenidos y el lugar donde se ofrecerá. La microcredencial iniciará cuando se haya alcanzado un número establecido de participantes matriculados.
  6. En caso de que la apertura de la microcredencial se cancele o modifique por decisión de la Universidad, a los participantes matriculados que hayan realizado el pago hasta el momento, se les ofrecerá la posibilidad de conservar el pago como saldo a favor para participar en otro programa de interés o se les devolverá la totalidad del valor de la matrícula siguiendo el procedimiento y políticas institucionales de devoluciones.

¿Quieres que te contactemos?

Mayores informes

Contáctanos

cec@uninorte.edu.co
(605) 3509509 Ext. 4223 - 3800 y 4893
Centro de Educación Continuada