fbpx
Escudo de la República de Colombia
Ingeniería de la Organización
Predicción Mediante Tecnidad de IA

Resumen

La asignatura pretende desarrollar competencias en el estudiante para realizar aplicaciones de modelos de la inteligencia artificial en series de tiempo financieras o económicas para predicción, clasificación o extracción de conocimiento. La Ciencia de la predicción ha tomado mucha importancia en los últimos años. Son varios los aspectos que ha jalonado la búsqueda de nuevos modelos para pronóstico, inicialmente desde un punto de vista práctico unas buenas predicciones son la base de la toma de decisiones en muchos campos de la ciencia, por otra parte, la gran cantidad de información disponible y la dinámica que han tomado los mercados en un mundo globalizado muestran que los precios de los activos, las variables económicas y sociales, los índices de mercado, etc. siguen comportamientos que son cada vez mas difíciles de explicar y modelar. Para enfrentar esta problemática, la inteligencia artificial propone actualmente modelos que permiten realizar pronósticos en muchos casos mas exactos que los modelos lineales tradicionales.

Profesor: Por definir

Fecha de inicio: 4 de Octubre de 2021

Duración: 16 semanas - 4 horas por semana

Modalidad: Virtual

Servidor Moodle: Por definir

Créditos: 4

Dirigido a

Por definir

Objetivos

Objetivo general:

Objetivos Específicos:

Beneficios del curso para el aspirante

Perfil del docente


Nombre:Por definir

Hoja de vida: Link

Contenido de la asignatura

01

Introducción. 1. Que es predicción. 2. Una revisión de técnicas . 3. Etapas de un proceso de predicción.

02

Conceptos estadísticos y matemáticos básicos. 1. Generalidades. 2. Tratamiento de datos (análisis gráficos y estadísticos, normalización y transformaciones, selección de variables, análisis de componentes principales, construcción de la base de datos). 3. Medidas de error y estimación de intervalos de predicción. 4. Análisis de Regresión y modelos de series de tiempo (análisis de casos).

03

Modelos de redes Neuronales. 1. Generalidades. 2. Arquitectura de las redes neuronales (redes supervisadas y auto-organizadas) . 3. Aprendizaje. 4. Casos de estudio (pronóstico ¿ clasificación).

04

Modelos Neuro - Difusos. 1. Generalidades. 2. Modelos HÍBRIDOS. 3. Sistema de Inferencia Difuso (FIS). 4. Caso de estudio. 5. Modelo ANFIS. 6. Caso de Estudio. 7. Modelos de Extracción de Conocimiento a partir de series de tiempo.

Metodología

Evaluación

Los estudiantes realizaran un trabajo tipo articulo donde apliquen alguna de las técnicas aprendidas durante el curso. Las clases serán magistrales.

Instructivo de pago e inscripción

Asesorías

ASESÓRATE PARA LA INSCRIPCIÓN DE TUS CURSOS DILIGENCIANDO EL SIGUIENTE FORMULARIO

 

RECUERDA REALIZAR LA PREINSCRIPCIÓN EN EL SISTEMA HERMES COMO LO INDÍCA EL INSTRUCTIVO