Modelos Avanzados AI-Powered de Forecasting y Aplicaciones

Presentación

Este curso se presenta como una continuación del curso Forecasting con IA que presenta los conceptos básicos de Forecasting, modelos Estadísticos clásicos, y modelos que aplican IA. Este nuevo curso se sumerge en la Revolución de los Modelos Fundacionales para Series Temporales más recientes (literatura de 2024-2026), tal que los participantes aprendan a utilizar arquitecturas basadas en Transformers y LLMs aplicados a Series Temporales, capaces de hacer predicciones “zero-shot” (sin entrenamiento previo), y manejar dependencias de largo plazo en fenómenos altamente volátiles como los mercados, compra-venta de acciones.

Objetivos específicos 

Los objetivos específicos de este curso son:

• Dar a conocer modelos y Arquitecturas de Atención temporal basados en Redes Transformer, entre ellos el Temporal Fusion Transformer (TFT) y cuantificar importancia de variables mediante mecanismos de atención  alcanzando modelos de Alta Interpretabilidad (XAI) aplicables a sectores con regulación.
• Dar a conocer los nuevos Modelos Fundacionales y Zero-Shot, para análisis y previsión de Series Temporales, evaluar y seleccionar el más adecuado a partir de la naturaleza y disponibilidad de los datos. Ejecutar pipelines Zero-Shot y técnicas de Fine-Tuning que permiten adaptar modelos pre-entrenados a nichos específicos como precios de commodities o demanda de energía.
• Dar a conocer modelos Híbridos y Espacio-Temporales basados en CNN, LSTM/GRU y los modelos basados en GNN para optimizar previsión en datos ruidosos y modelar dependencias geográficas o de red como previsiones climáticas, tránsito vehicular o sistemas eléctricos.
• Dar a conocer el problema de Detección de Anomalías e Irregularidades, entendiendo la diferencia entre variaciones estocàsticas normales y anomalías críticas con modelos generativos y probabilísticos, además de experimentar con modelos adecuados a este problema como el modelo benchmark TimeSeriesBench que identifica fallos industriales o fraudes financieros.
• Aplicar Forecasting fenómenos y escenarios de alta volatilidad como Trading y Precios de Commodities, en los cuales se debe integrar análisis de sentimiento y factores macroeconómicos respectivamente, validando robustez de los modelos ante eventos “cisne negro” (disrupciones globales).

Dirigido a

• Profesionales en general que tengan conocimientos básicos de estadística descriptiva, forecasting, y estén familiarizados con python.

Contenido

El curso está organizado en los siguientes bloques:

• La era de la atención: Modelos y Arquitecturas Transformer para TS (TFT, Informer, Twinformer), interpretabilidad de variables
• Modelos fundacionales para TS: TimeGPT-1, Lag-LLama, TimesFM (de Google) para forecasting autónomo
• Deep learning híbrido y grafos: Modelos que combinan CNN-LSTM, Modelos GNN para series espaciotemporales
• Aplicaciones en detección de anomalías: Trading de alta frecuencia, Optimizaciòn de Commodities, Benchmark Industriales con TimeSeriesBench.
• Forecasting en escenarios de alta volatilidad e incertidumbre: predicción de fenómenos con ruptura de patrones históricos (Efecto Cisne Negro) y alta volatilidad.

Expositores

DSc Yván Jesús Túpac Valdivia

Doctor en Ingeniería Eléctrica por la Pontifícia Universidade Católica do Rio de Janeiro, profesor a tiempo completo en el Departamento de Computación con experiencia en investigación y aplicación de modelos probabilísticos, procesos estocásticos, análisis y previsión de series temporales, tradicionales y con uso de IA en evaluación económica de proyectos, análisis y previsión de despacho y consumo eléctrico, entre otros.

Metodología

El curso se ofrecerá en la modalidad de sesiones que consisten en:

• Clase magistral con los fundamentos teóricos y matemáticos del tema.
• Análisis de casos reales con uso de herramientas de Forecasting e IA, principalmente en Python (plataforma Colab)
• Investigación, análisis en equipo y conversatorio.

Requisitos de admisión

• Familiaridad con programación y estadística (la formación en el público objetivo garantiza formación en estadística)

Creditaje

• 2 créditos académicos

Calendario

Inversión

• Precio: S/ 420.00
• Pronto pago: S/ 370.00 hasta el 03 de setiembre del 2026.
• Descuentos:
  • 5% de descuento corporativo (2 personas).
  • 10% de descuento corporativo (3 personas a más).
  • 20% de descuento para Comunidad UCSP.
• Cierre de Inscripciones: 15 de septiembre del 2026.

Certificación

Certificado Virtual otorgado por la Dirección de la Escuela de Postgrado y el Departamento de Computación

Organiza