Como desarrollar MLPs para el pronóstico de series de tiempo

¿Qué aprenderá en este curso?

Los perceptrones multicapa, MLPs para abreviar, pueden aplicarse a la predicción de series de tiempo. La preparación de los datos constituye un reto a la hora de utilizar los MLP para la predicción de series temporales. Específicamente, las observaciones de retardo deben ser atendidos en vectores de características. En este curso, descubrirás cómo desarrollar un conjunto de modelos MLP para una serie de problemas de predicción de series temporales estándar. El objetivo de este curso es proporcionar ejemplos independientes de cada modelo en cada tipo de problema de series temporales como una plantilla que puede copiar y adaptar para su problema de pronóstico de series temporales específicas. En este curso, descubrirá como desarrollar un conjunto de modelos de perceptron multicapa para una serie de problemas de predicción de series temporales estándar. Después de completar este curso usted sabrá:

•  Cómo desarrollar modelos MLP para pronósticos de series de tiempo univariadas.
• Cómo desarrollar modelos MLP para pronósticos de series de tiempo multivariadas.
• Cómo desarrollar modelos MLP para pronósticos de series de tiempo de varios pasos.

Descripción general del curso

En este curso, exploraremos cómo desarrollar un conjunto de modelos MLP para la predicción de series temporales. Los modelos se demuestran en pequeños problemas de serie de tiempo. La configuración elegida de los modelos es arbitraria y no esta optimizada para cada problema. Este curso esta dividido en cuatro partes; las cuales són:

1. Modelos MLP univariados.
2. Modelos MLP multivariados.
3. Modelos MLP de varios pasos.
4. Modelos MLP multivariantes de varios pasos.