¿Estás comenzando a trabajar con series de tiempo en Python y no sabes por dónde empezar? En este video te guiaré paso a paso por el proceso completo de preprocesamiento: desde la inspección de datos hasta la creación de variables temporales avanzadas. Aprenderás a manejar datos atípicos, generar lags, aplicar transformaciones como logaritmos y medias móviles, y construir visualizaciones claras que te ayuden a detectar patrones subyacentes. Todo con ejemplos prácticos en Python que podrás aplicar directamente en tus proyectos.
Enlace Dataset:
🔗https://www.kaggle.com/datasets/robikscube/hourly-energy-consumption?select=PJMW_hourly.csv
Enlace Código:
🔗https://colab.research.google.com/drive/1zC8UeSU1LIjq7hxexJe_KWUW-c-16FID?usp=sharing
* Índice * :
00:43 1-Descripción de la Data.
01:08 2-Lectura de la Data y modificación variable temporal.
03:18 3-Inspeccion de datos.
04:00 4-Revision de duplicados de series de tiempo.
05:27 5-Revisión y Ajuste de frecuencia temporal.
08:32 Limpieza de datos método
Forward y Backward.
11:36 6- Creación de variables calendario.
12:32 7- Tratamientos de atípicos.
12:44 Gráficos de Líneas y Boxplot.
16:54 Limpieza con el método
Forward, Backward e interpolación.
19:34 8-Transformaciones y creación de
variables basadas en el historial:
19:41 Transformación logarítmica y
raíz cuadrada.
21:09 Desfase de tiempo (Lags).
25:15 Medias móviles.
31:10 Diferencias en serie de tiempo.
** Videos y listas de Reproducción recomendadas**
🔗https://www.youtube.com/playlist?list=PLJcOoVUDRDzQq_JS5HyMPCUC4id8oO-W5
🔗https://youtu.be/_uUqZL-jYlc
**🛒 Productos Recomendados**
📚 Book Machine Learning con Python: Keras, PyTorch y TensorFlow: De principiante a experto:
🔗https://amzn.to/4jEigeC
📚Book Hand-on Machine Learning with Scikit-Learn, keras and Tensorflow:
🔗https://amzn.to/3RybtHp
✔Micrófono condensador USB para PC, PS4 y Mac.
🔗https://amzn.to/3EkFUOo
✔Combo de teclado y mouse para juegos.
🔗https://amzn.to/4cKMudz