Artboard 1 copy 7.png
Outliers y valores anómalos
  • Introducir el formalismo matemático necesario para comprender algunos de los algoritmos más utilizados en Forecasting mediante regresiones y series temporales. 

  • Invitar al alumno a comprender la necesidad y las ventajas de la regularización en las regresiones lineales.

  • Motivar la utilización de las series de tiempo como un método para modelar correctamente algunos fenómenos.

  • Enseñar las cualidades estadísticas y computacionales de los algoritmos propuestos. 

  • Introducir el concepto de anomalía y aquellos algoritmos útiles en su detección. 

Temario

Curso uno: Anomalías en series de tiempo y regresiones

 

Parte I. Regularización

  • Ridge

  • Cualidades estadísticas

  • Interpretación geométrica y relación con PCA


Parte II. Anomalías en las regresiones lineales

  • Anomalías en regresiones

  • Regresión robusta

  • Programación lineal: una solución a la regresión robusta

 

Parte III Series de tiempo y detección de anomalías

  • Definiciones básicas 

  • Modelo de Buys-Ballot: relación con las regresiones

  • Exponential smoothing

  • Detección de anomalías

 

Curso dos: Otros métodos en la detección de anomalías para series de tiempo

 

Parte I. ARIMA

  • Moving average

  • Ruido blanco

  • Invitación a procesos estocásticos

  • Detección de anomalías y ARIMA

 

Parte II. Distancia de Mahalanobis y anomalías

  • Definiciones básicas

  • Interpretación geométrica

  • MCD 

  • Aplicaciones a la detección de anomalías


Parte III. Anomalías en las series de tiempo vía Elastic Search

  • Distribuciones no gaussianas y otros problemas

  • Definición formal del algoritmo

  • Detección de anomalías

Contacto

CDMX, México.

  • Facebook icono social