En esta ponencia se presentaran los fundamentos básicos del aprendizaje profundo que incluye la teoría básicas de redes neuronales, y la aplicación fundamental de la arquitectura LSTM(Long Short Term Memory) para la predicción de series temporales haciendo énfasis en el componente de estadística inferencial para modelar cualquier tipo de problema de Forecasting, se enfatizara en el uso de Skforecast de Machine Learning clásico como una herramienta
Contenido:
1.Presentación de generalidades de Forecasting.
2.Modelos de estudio de demanda electrica con SKFORECAST.(Predicción de demanda eléctrica.ipynb)
3.Red neuronal de memoria corta (LSTM)
Datos (DOM_hourly.csvOMW.csv)
Notebook.(Predicción de demanda eléctrica con LSTM.ipynb)
Autor: Napoleón Alcides Pérez Arteaga https://www.linkedin.com/in/napole%C3%B3n-alcides-p%C3%A9rez-arteaga-194375114/