Manejo de DATOS FALTANTES en series de tiempo

preview_player
Показать описание

En este video veremos cuáles son y cómo funcionan las principales técnicas para el manejo de datos faltantes en series de tiempo.

Contenido:
00:00 Introducción
00:39 Academia Online
03:27 Imputación con información local
10:18 Imputación estacional
12:25 Imputación con modelos predictivos
13:39 Conclusión

🔴 *** VISITA WWW.CODIFICANDOBITS.COM ***
En el sitio web encontrarás la Academia Online con cursos, proyectos y tutoriales que te ayudarán a construir tu carrera en Inteligencia Artificial, Ciencia de Datos y Machine Learning.

🔴 *** VIDEOS Y LISTAS DE REPRODUCCIÓN RECOMENDADAS ***

🔴 *** ÚNETE A CODIFICANDO BITS Y SÍGUEME EN MIS REDES SOCIALES ***

🔴 *** ACERCA DE MÍ ***
Soy Miguel Sotaquirá, el creador de Codificando Bits. Tengo formación como Ingeniero Electrónico, y un Doctorado en Bioingeniería, y desde el año 2017 me he convertido en un apasionado por el Machine Learning y el Data Science, y en la actualidad me dedico por completo a divulgar contenido y a brindar asesoría a personas y empresas sobre estos temas.

🔴 *** ACERCA DE CODIFICANDO BITS ***
El objetivo de Codificando Bits es inspirar y difundir el conocimiento en las áreas de Machine Learning y Data Science.

#machinelearning
Рекомендации по теме
Комментарии
Автор

Seria espectacular, una serie con ejemplos prácticos

miguelgarcia
Автор

Excelente 😀Muchas gracias. Sería muy interesante pudiera profundizar el caso del uso de la imputación utilizando modelos. Particularmente los casos basados en bosques aleatorios, pensando en que distintas "porciones de los datos" podrían ser afines con "distintos modelos de ajuste".

reinerromero
Автор

Los k vecinos más cercanos para imputar el valor faltante?

euliosmamanibarrios
Автор

Quería saber si me suscribo a la página donde están los cursos tengo opción de hacer todos los cursos o solo uno que quiera?

jonatanvelasquez