Curso completo de Series Temporales con R y Python
Actualizado en 2026

Análisis y Predicción de Series Temporales con R y Python

Explora el análisis de series temporales desde sus fundamentos hasta los modelos predictivos más avanzados, con ejemplos reales de mercados financieros, energía y consumo. Aprende cada técnica en R y Python y desarrolla un proyecto final completo.

  • Ves cómo otros utilizan modelos predictivos para anticipar tendencias y tomar decisiones... pero tú todavía no sabes cómo construir pronósticos fiables con tus propios datos.
  • Conoces ARIMA, Prophet o las redes neuronales, pero hay tantas técnicas que no sabes cuál elegir, cuándo utilizarla ni cómo comprobar si realmente funciona.
  • Sabes programar en R o Python y analizar datos históricos, pero aún te cuesta dar el salto a predecir el futuro y convertir tus análisis en proyectos reales de Data Science.
Si te sientes identificado con estos problemas, este curso es ideal para ti.

Series Temporales con R y Python: Análisis, Modelado y Forecasting

Aprende a analizar, modelar y predecir series temporales con R y Python en un curso completo y práctico de Data Science. A través de 15 módulos y 49 lecciones interactivas, dominarás los fundamentos del análisis temporal, desde la estacionariedad, la autocorrelación y la descomposición de series hasta la construcción de modelos de predicción. Aprenderás a identificar patrones, tendencias y estacionalidades, interpretar los resultados estadísticos y tomar decisiones fundamentadas sobre qué técnicas utilizar en cada situación.

Profundiza en 13 técnicas de análisis y forecasting, incluyendo modelos autorregresivos (AR), medias móviles (MA), ARMA, ARIMA, SARIMAX, ARCH, GARCH, Auto ARIMA, VAR y Prophet. Descubre cómo aplicar métodos de suavizado como Holt-Winters y cómo incorporar Machine Learning y Deep Learning para series temporales, utilizando redes neuronales RNN y LSTM, N-BEATS y métodos modernos de predicción. No solo aprenderás a implementar cada modelo, sino también a comparar sus resultados, evaluar sus errores y seleccionar la mejor alternativa según las características de tus datos.

Trabaja con datasets reales de bolsa, Bitcoin, energía, consumo, pasajeros aéreos y emisiones de CO₂, aplicando las técnicas directamente en R y Python. Cada módulo combina explicaciones intuitivas, fundamentos estadísticos, código descargable, gráficas y ejercicios interactivos para que puedas avanzar a tu ritmo. Además, aprenderás a preparar datos temporales, detectar valores atípicos, interpretar ACF y PACF, realizar diagnósticos de residuos y evaluar predicciones mediante métricas como RMSE, MAE y MAPE. Los modelos clásicos se desarrollan en ambos lenguajes en paralelo para que puedas comparar sus implementaciones.

Al finalizar, desarrollarás tu propio proyecto de forecasting para tu portfolio de Data Science, utilizando un dataset real de tu elección y comparando diferentes familias de modelos predictivos. Contarás con una rúbrica de autoevaluación para valorar la calidad de tu trabajo y justificar tus decisiones con evidencia. Este curso está dirigido a analistas de datos, estadísticos, profesionales de Data Science y personas con conocimientos básicos o intermedios de R o Python que quieran especializarse en predicción de series temporales, análisis financiero, forecasting de demanda y modelado predictivo con aplicaciones reales.

Un curso de la Ruta de

Dificultad

Horas

Total Estudiantes

Valoración Media

Requisitos

  • Conocimientos básicos o intermedios de Python o R. No es necesario dominar ambos lenguajes.
  • Nociones básicas de estadística descriptiva para facilitar la comprensión de los modelos de series temporales, aunque no son imprescindibles.
  • Un ordenador con conexión a Internet y ganas de aprender mediante ejemplos prácticos y datasets reales.
  • Interés por el análisis de series temporales, el forecasting y la aplicación de modelos predictivos en Data Science.

¿A quién va dirigido?

  • Programadores en R o Python que quieran especializarse en el análisis y predicción de series temporales.
  • Científicos de datos, analistas y estadísticos que necesiten construir modelos de forecasting y realizar predicciones fiables.
  • Estudiantes de Data Science, Machine Learning y estadística que quieran profundizar en modelos ARIMA, GARCH, Prophet y redes neuronales.
  • Profesionales de finanzas, energía, retail e IoT que quieran aplicar técnicas de predicción a datos reales y mejorar la toma de decisiones.

Lo que aprenderás

01

Fundamentos de las series temporales

Comprende la estacionariedad, la autocorrelación, las tendencias y la estacionalidad para analizar datos temporales con criterio estadístico.

02

Descomposición y suavizado de series

Identifica patrones temporales y aplica técnicas como medias móviles, Holt-Winters y suavizado exponencial para mejorar tus pronósticos.

03

Modelos clásicos AR, MA y ARMA

Aprende a modelar dependencias temporales, interpretar ACF y PACF y seleccionar los parámetros adecuados para cada serie.

04

Predicción con ARIMA y SARIMAX

Construye modelos predictivos que incorporen tendencias, estacionalidad y variables externas para realizar pronósticos con datos reales.

05

Análisis de volatilidad con ARCH y GARCH

Modela los cambios en la incertidumbre de las series financieras y aprende a analizar y predecir la volatilidad de los mercados.

06

Forecasting avanzado y automatizado

Explora Auto ARIMA, VAR, Prophet y métodos modernos como N-BEATS para automatizar predicciones y comparar diferentes enfoques.

07

Redes neuronales para series temporales

Descubre cómo aplicar Machine Learning y Deep Learning con redes RNN y LSTM para identificar patrones complejos y realizar predicciones.

08

Análisis práctico con R y Python

Implementa modelos sobre datasets reales de bolsa, energía, consumo y Bitcoin, con código descargable y ejemplos en ambos lenguajes.

09

Tu propio proyecto de forecasting

Desarrolla un proyecto para tu portfolio, compara modelos con métricas como RMSE, MAE y MAPE y justifica tus decisiones con resultados reales.

Temario del curso

Juan Gabriel Gomila

Tu Instructor

Juan Gabriel Gomila

Matemático, Instructor Certificado de Unity e Instructor Online que ha formado a más de 600.000 estudiantes en todo el mundo en diferentes plataformas como Udemy y Platzi. CEO de Frogames Formación e impulsor de esta plataforma, aportando todo su conocimiento en Matemáticas, Machine Learning, Videojuegos, IA o Blockchain entre otros.

Unity Certified Matemático +500k Estudiantes
Opiniones de estudiantes

Lo que dicen nuestros alumnos

Curso completo

Elige cómo quieres acceder

Pago Único del Curso

Compra el curso una vez y accede de por vida

Imagen del curso
€ 999,99
Comprar el curso
  • Un único pago.
  • Acceso instantáneo al curso de por vida.
  • Acceso a la comunidad del curso.

Ruta

Accede a todos los cursos de la ruta de

€ 19,99 /mes
Acceder a la ruta
  • Pago mensual de 19.99€.
  • Acceso instantáneo a los cursos de la ruta.
  • Accede cuándo y dónde quieras.
  • Cancela en cualquier momento.
Comprar este curso
Acceso de por vida · Actualizaciones incluidas
o consíguelo con la Ruta de Aprendizaje
Ruta de
Desde 19,99 €/mes · Cancela cuando quieras
Ver la suscripción
o Suscripción Rana de Bronce (39 €/mes)