Jornadas de Machine Learning Aplicado a Series Temporales: innovación, predicción y aplicaciones reales

Nuestro grupo organiza un evento clave para la comunidad de inteligencia artificial, centrado en el análisis y la predicción de series temporales mediante técnicas avanzadas de machine learning y deep learning.

Las Jornadas de Machine Learning Aplicado a Series Temporales nacen con el objetivo de reunir a expertos, investigadores y entusiastas del campo de la IA para debatir sobre los avances más relevantes en este ámbito. Desde los conceptos fundamentales hasta las metodologías más punteras, el evento ofrece una mirada completa a los retos y soluciones actuales en la predicción de datos secuenciales.

Temáticas clave abordadas durante las jornadas

Durante el evento, los ponentes profundizan en diversos enfoques y casos de uso aplicados a series temporales, abarcando tanto la teoría como su implementación práctica. Algunos de los temas tratados incluyen:

• Predicción de Series Temporales: Conceptos Básicos
  Introducción accesible para quienes se inician en el análisis temporal de datos.

• Deep Learning aplicado a TSF (Time Series Forecasting)
  Exploración de arquitecturas neuronales modernas para mejorar la capacidad predictiva.

• Frameworks experimentales y arquitecturas Transformer para series temporales
  Análisis de marcos de evaluación y el impacto disruptivo de los modelos Transformer.

• Aplicaciones en tiempo real
  Casos reales como la predicción de la demanda eléctrica, mantenimiento predictivo en aeropuertos y uso de métodos como ensembles o k-nearest neighbors.

• Transfer Learning y uso de variables exógenas
  Avances en precisión y generalización mediante técnicas de aprendizaje transferido y enriquecimiento de contexto.

• Predicción de precios de energía eléctrica
  Aplicación crítica con impacto directo en la economía y la gestión energética.

Conocimiento, conexión y comunidad

Estas jornadas se configuran como un espacio de aprendizaje compartido, donde los participantes no solo se actualizan sobre las últimas tendencias, sino que también encuentran inspiración para sus propios desarrollos e investigaciones. La interacción entre asistentes y ponentes fomenta la construcción de una comunidad activa y colaborativa en torno al análisis de series temporales y la inteligencia artificial aplicada.