Jornadas Predicción de Series Temporales

Bienvenidos a nuestra página dedicada a las Jornadas de Machine Learning Aplicado a Series Temporales. Este evento reúne a expertos y entusiastas del ámbito de la inteligencia artificial con el fin de explorar y discutir los avances más recientes en técnicas de predicción y análisis de series temporales. Las presentaciones cubren una amplia gama de temas, desde conceptos básicos hasta metodologías avanzadas, incluyendo el uso de Deep Learning y arquitecturas innovadoras como los Transformers.

A lo largo de estas jornadas, los ponentes comparten sus conocimientos y experiencias en diversos aspectos prácticos de la predicción de series temporales, abordando tanto retos teóricos como aplicaciones prácticas. Los temas incluyen:

• Predicción de Series Temporales: Conceptos Básicos: Una introducción fundamental para todos aquellos interesados en el campo.
• Introducción al Deep Learning y Arquitecturas Deep Learning para TSF: Explorando cómo el deep learning puede ser aplicado efectivamente en la predicción de series temporales.
• Marco Experimental para TSF y Arquitectura Transformer para TSF: Detallando frameworks experimentales y cómo los modelos transformer están cambiando el panorama de la predicción de series temporales.
• Aplicaciones en Tiempo Real: Desde la predicción de la demanda eléctrica hasta la anticipación de desperfectos en aeropuertos, pasando por métodos como ensembles y vecinos cercanos.
• Innovación mediante Transfer Learning y Variables Exógenas: Investigaciones sobre cómo mejorar la precisión y la eficacia de los modelos predictivos mediante el aprendizaje transferido y la inclusión de variables externas.
• Predicción de Precios de Energía Eléctrica: Un tema crucial dado su impacto económico y social.

Esperamos que encuentren en estas presentaciones una fuente de inspiración y conocimiento, que pueda ser aplicado en sus propios proyectos y investigaciones. ¡Explore las sesiones, aprenda de los expertos y conecte con otros profesionales del campo!