000 02232nam a2200241 a 4500
003 AR-LpUFIB
005 20240131171318.0
007 ta
008 230201s2020 ag a dom 000 0 spa d
024 8 _aDIF007738
040 _aAR-LpUFIB
_bspa
_cAR-LpUFIB
100 1 _aFierro, Ariel Alejandro
_9258811
245 1 0 _aPredicción de series temporales con redes neuronales
300 _a1 archivo (1,8 MB) :
_bil. col.
502 _a Trabajo Final Integrador (Especialización en Inteligencia de Datos Orientada a Big Data ) - Universidad Nacional de La Plata. Facultad de Informática, 2020.
505 0 _a 1. Introducción -- 1.1. Motivación -- 1.2. Objetivos -- 2. Conceptos preliminares -- 2.1. Métricas para regresión -- 2.2. Criterios de información de Akaike, Bayesiano y de Hannan-Quinn -- 3. Métodos predictivos -- 3.1. Métodos predictivos estadísticos -- 3.2. Métodos predictivos de aprendizaje automático -- 3.2.1. Perceptrón -- 3.2.2. Red neuronal recurrente -- 3.2.3. Red neuronal con memoria a corto plazo extendida -- 3.2.4. Red neuronal convolucional -- 3.2.5. Ensamble -- 3.3. Redes neuronales aplicadas a series temporales -- 4. Marco experimental -- 4.1. Origen de los datos -- 4.2. Hardware y software utilizado -- 5. Desarrollo -- 5.1. Análisis general de los datos -- 5.2. Modelo estadístico - Experimentos -- 5.2.1. Análisis y preparación de los datos -- 5.2.2. Creación del modelo -- 5.2.3. Evaluación del modelo -- 5.3. Modelos de aprendizaje automático - Experimentos -- 5.3.1. Preparación de los datos -- 5.3.2. Predicciones de múltiples horizontes predictivos -- 5.3.3. Arquitecturas de los modelos -- 5.3.4. Evaluación de los modelos -- 5.4. Resultados -- 5.5. Gráficos de predicciones -- 5.6. Análisis general de resultados -- 5.7. Pruebas con información temporal -- 6. Conclusiones y trabajos futuros -- A. Anexo - Software utilizado -- 7. Referencias
650 4 _aREDES NEURONALES
_9247930
650 4 _aAPRENDIZAJE AUTOMÁTICO
_9247925
700 1 _aRonchetti, Franco ,
_eDirector/a
_9254645
856 4 0 _uhttp://sedici.unlp.edu.ar/handle/10915/114857
856 4 0 _u http://catalogo.info.unlp.edu.ar/meran/getDocument.pl?id=2414
942 _cTE
999 _c849747
_d849747