Open Daily: 10am - 10pm | Alley door pickup 10am - 7pm 3038 Hennepin Ave Minneapolis, MN
612-822-4611

  • Open Daily: 10am - 10pm
    Alley-side Pickup: 10am - 7pm

    3038 Hennepin Ave Minneapolis, MN
    612-822-4611

Open Daily: 10am - 10pm | Alley-side Pickup: 10am - 7pm
3038 Hennepin Ave Minneapolis, MN
612-822-4611
Ciencia de Datos Con R. Aprendizaje Supervisado: Modelos Univariantes de Series Temporales. Modelos Arimax

Ciencia de Datos Con R. Aprendizaje Supervisado: Modelos Univariantes de Series Temporales. Modelos Arimax

Zúñiga, E.

Paperback

General Computers

Currently unavailable to order

ISBN13: 9798344148366
Publisher: Independently Published
Pages: 268
Weight: 1.04
Height: 0.56 Width: 7.00 Depth: 10.00
Language: Spanish
La inteligencia artificial (IA) predictiva utiliza algoritmos de aprendizaje automático que se basan en datos históricos para identificar patrones, hacer predicciones y predecir tendencias. Se basa en la capacidad de utilizar el análisis estadístico para identificar patrones, anticipar comportamientos y prever eventos futuros tal y como hace el análisis de series temporales. El campo de la estadística se ha utilizado durante mucho tiempo para hacer predicciones sobre el futuro. La IA predictiva hace que el análisis estadístico sea más rápido y (teóricamente) más preciso mediante el aprendizaje automático y el acceso a grandes cantidades de datos. Aunque no se garantiza que sus predicciones sean correctas, la IA predictiva puede ayudar a las empresas a prepararse para el futuro y personalizar las experiencias de sus clientes. La IA predictiva es solo una de las muchas capacidades que ofrece la IA, que se refiere a un conjunto de habilidades que las computadoras pueden tener para imitar la cognición humana. LA IA predictiva en el caso de las series temporales se ordena inicialmente en la metodología de Box y Jenkins, que se desarrolla en este libro.

En este libro se profundiza en los métodos de predicción con series temporales que constituyen herramientas esenciales en la Inteligencia Artificial Predictiva. Se desarrollan los modelos ARIMAX bajo la metodología de Box y Jenkins, los modelos de espacio de los estados y los modelos de series temporales a través de redes neuronales (redes LSTM, redes recurrentes RNN, redes GRU, redes dinámicas, redes NARX y redes NNAR), . Adicionalmente se aborda la predicción automática a través de las funciones del software R. Asimismo se presentan las funciones clásicas de R para el tratamiento de los modelos ARIMAX. Se desarrollan también los modelos del análisis de la intervención y los modelos de la función de transferencia. Los capítulos comienzan con una introducción metodológica y posteriormente se presentan ejercicios resueltos con el software R.

Also in

General Computers

View All